Integrating acoustic telemetry research into management: successes and challenges in the Laurentian Great Lakes
Notice bibliographique
Résumé
In the Laurentian Great Lakes, the application of acoustic telemetry to track fish movements has evolved into an important part of multijurisdictional management. Nevertheless, barriers remain in translating telemetry research into management or conservation actions. Here, we synthesize acoustic telemetry literature within the Great Lakes basin to explore factors that have contributed to successes and failures of integrating research with the needs of decision-making processes. Collaboration between researchers and managers, facilitated by consistent opportunities for stakeholder engagement, stood out as one of the most effective means of integration. For example, 79% (95 of 127) of articles published (up to 2023) included co-authorship by both government and academic organizations. Case studies on lake sturgeon ( Acipenser fulvescens), walleye ( Sander vitreus), and sea lamprey ( Petromyzon marinus) further highlight how telemetry has informed management through collaborative engagement among researchers, stakeholders, and managers, as well as ongoing challenges. By exploring facets of acoustic telemetry research and connections to conservation and fisheries concerns, we identify pathways to reduce knowledge–action gaps widely applicable within and outside of the Great Lakes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».