MétaCan
Menu
Retour à la cohorte
Enregistrement W4403031582 · doi:10.1016/j.marpolbul.2024.117039

The effects of commercial vessel anchorages span ecological, cultural, and socio-economic endpoints

2024· article· en· W4403031582 sur OpenAlexaffabout
Lucie Hannah, Fiona T. Francis, Cathryn Clarke Murray

Notice bibliographique

RevueMarine Pollution Bulletin · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésSpan (engineering)EcologyLife spanEnvironmental scienceEngineeringBiologyStructural engineeringMedicineGerontology

Résumé

récupéré en direct d'OpenAlex

Anchorages are specific areas used by vessels to maintain position and are used as waiting areas for freighters wanting to enter ports. The surge in demand experienced by ports from 2019 to 2022 significantly extended wait times at anchorages, heightening concerns of potential ecological and socio-economic effects among coastal communities. Effective anchorage management requires a connected and holistic approach to understand these diverse and complex effects. We summarise current knowledge on the cumulative effects of anchoring on ecological and socio-economic endpoints in a Pathways of Effects conceptual model informed by scientific literature and public consultation documents. We developed a Pathways of Effects Matrix (PoEM), a graphical advance designed to concisely visualise complex effects and explore mitigation scenarios, demonstrated in the example for commercial anchoring in Pacific Canada. In addition to supporting management decisions, this simple visual tool can also provide a way for communities to communicate their concerns in a structured way. • We developed a Pathways of Effects Matrix (PoEM) conceptual model for anchoring. • The anchoring PoEM details activities, stressors and their effects on endpoints • The graphical advance includes a range of ecological and socio-economic components. • Examination of the model can be used to evaluate mitigation and management measures.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0040,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMarine Pollution BulletinMême sujetCoastal and Marine ManagementTravaux en français237 207