Guidelines for Evaluating Artificial Light to Mitigate Unwanted Fisheries Bycatch
Notice bibliographique
Résumé
Evaluating artificial light as a bycatch reduction device (bycatch reduction light, “BRL”) requires a multidisciplinary approach that applies knowledge of fisheries science, fishing technology, engineering, physics, optics, vision biology, oceanography, animal behavior, economics, and social science. To support the continued evaluation of BRL, these guidelines were developed for conducting standardized and systematic studies. The guidelines highlight how information from those fields of study contributes to the efficacy of study design and the evaluation of results. The guidance is focused on four core areas: (i) defining the objective of using a BRL; (ii) understanding the context in which the BRL is applied and considering the base knowledge that is needed; (iii) selecting an appropriate study design (including selection and placement of the BRL) and analytical methods for measuring both behavioral responses and catch outcomes from using the BRL; and (iv) interpreting the data through the lens of the base knowledge, context, and study design, and evaluating the results against an established definition of success and variables that affect adoption. The purpose of these guidelines is to increase the ability of researchers and managers to determine if BRL is appropriate for a fishery and to encourage consistency in data collection among studies to support future meta-analyses and inter-study comparison. In addition, suggestions are provided on where more research and technology development are needed to support this rapidly emerging field of research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».