MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407271529 · doi:10.1016/j.jglr.2025.102531

International aquatic invasive species early detection efforts in the St. Clair-Detroit River System: A decadal review

2025· review· en· W4407271529 sur OpenAlexaffvenueabout
Kristen Towne, Matthew Cowley, Mark Jonathan D'Aguiar, Trisiah Tugade

Notice bibliographique

RevueJournal of Great Lakes Research · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésOceanographyEnvironmental scienceFisheryGeographyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

The St. Clair-Detroit River System (SCDRS) makes up the connecting channel between lakes Huron and Erie and contains a wide variety of habitats and fish diversity. However, given its large population centers and its utility for tourism, recreational fishing and boating, and as an international shipping channel, this connecting waterway is also one of the most high-risk areas for new aquatic invasive species (AIS) introductions in the Laurentian Great Lakes Basin. Fisheries and Oceans Canada and the U.S. Fish and Wildlife Service have been conducting AIS early detection efforts in this area since 2013 to find these newly introduced species before they establish and cause harm. Both programs have undergone numerous changes over the last decade to increase the likelihood a new species will be detected soon after introduction, including sampling new locations, increasing expended effort, and targeted sampling protocols. These changes have led to captures of several non-established species in the SCDRS, such as rudd ( Scardinius erythrophthalmus ), Atlantic salmon ( Salmo salar ), and coho salmon ( Oncorhynchus kisutch ), as well as increases in two different invasive species early detection analysis metrics. The purpose of this review is to describe the two early detection programs implemented in the SCDRS, their evolutions over the last decade, and the impact of these adaptations on program success.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,062
Tête enseignante GPT0,353
Écart entre enseignants0,290 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Great Lakes Research→Même sujetFish Ecology and Management Studies→Travaux en français237 207→