MétaCan
Menu
Retour à la cohorte
Enregistrement W4403268053 · doi:10.3397/in_2024_2156

Laboratory measurement of the effect of exposure to ship noise on mussels

2024· article· en· W4403268053 sur OpenAlexaff
Soledad Torres, Paula ESTEVEZ-MARQUEZ, José M. F. Babarro, Elsa SILVA-CARIDE, David Santos-Domínguez, Luc A. Comeau, Miguel Gilcoto

Notice bibliographique

RevueNOISE-CON proceedings · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesXunta de Galicia
Mots-clésNoise (video)Environmental scienceFisheryMarine engineeringAcousticsEngineeringBiologyComputer sciencePhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The mussel Mytilus galloprovincialis is a bivalve mollusc of high commercial interest, which frequently breeds in coastal areas with high levels of ship traffic noise. Studies on the effect of this stressor on mussels are scarce, which is why we set out to design a system to study the effect of ship noise on mussel behaviour (valve opening-closure rhythms). The proposed experimental set-up uses a high frequency non-invasive valvometry system to detect shell closure reactions related to instantaneous increases in sound level. The main findings are that mussels reacted to ship noise levels above 114 dB re 1μPa (63Hz-4kHz), that most reactions occurred within 13 s after a sudden increase in level, and that there does not appear to be a clear relationship between closure depth and noise level. Although mussels may not be sensitive to sound pressure but only to the associated particle movement, the results of this work contribute to highlighting the sensitivity of this species to noise, and the need to carry out experiments with a larger number of specimens and in conditions that allow the acoustic field to be reproduced more realistically.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,228
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNOISE-CON proceedingsMême sujetMarine animal studies overviewTravaux en français237 207