MétaCan
Menu
Retour à la cohorte
Enregistrement W4409842990 · doi:10.1101/2025.04.24.650194

Hidden Diversity of Threatened Sharks and Rays in the Global Meat Trade

2025· preprint· en· W4409842990 sur OpenAlexaff
M. Aaron MacNeil, Christopher G. Mull, Ana Paula Barbosa Martins, Elizabeth A. Babcock, Zoya Tyabji, Alex Andorra, Shelley Clarke, Rima W. Jabado, Glenn Sant, Joshua E. Cinner, Jessica A. Gephart, Nicholas K. Dulvy, Arun Oakley-Cogan, Devanshi Kasana, Luke Warwick, Colin A. Simpfendorfer, Sarah Fowler, Marcio de Araújo Freire, Michel Bariche, Océane Beaufort, Joseph J. Bizzarro, Matías Braccini, Carlos Bustamante, John K. Carlson, Patrícia Charvet, J. M. Cuevas, Cézar Augusto Freire Fernandes, Daniel Fernando, Brittany Finucci, Emiliano Garcia Rodriguez, Adriana González‐Pestana, Luı́s Cardoso, Rachel Ann Hauser‐Davis, Efin Muttaqin, Carlos J. Polo‐Silva, Jonathan Stuart Ready, David Ruiz‐García, Luz Saldaña Ruiz, Issah Seidu, Oscar Sosa‐Nishizaki, Akshay Tanna, Lucas Werner, Natascha Wosnick, Demian D. Chapman

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensGDG EnvironnementSimon Fraser UniversityDalhousie University
Organismes subventionnairesShark Conservation Fund
Mots-clésThreatened speciesFisheryDiversity (politics)Near-threatened speciesGeographyBusinessEcologyBiologyPolitical scienceHabitat

Résumé

récupéré en direct d'OpenAlex

International wildlife trade is a major source of biodiversity loss, yet many species lie hidden within aggregated data that conceals trade impacts. We overcome this problem for the largest vertebrate wildlife trade globally – shark and ray meat – comprising 438 538 mt yr -1 across more than 150 species, 76% of which are Threatened. Revealed trade contains greater quantities of skates (+10%), hammerheads (+8%), and smoothhounds, dogfishes & tope (+5%), and fewer pelagic sharks (-38%) than previously known. Shorttail yellownose skate, smoothound, silky, mako, and blue sharks are the most underreported meat species, due to aggregated landings from China, Argentina, Japan, and Indonesia, demonstrating international trade in shark and ray meat as a diverse, pervasive, and previously hidden source of fishing mortality for many threatened species.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,241
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetIdentification and Quantification in FoodTravaux en français237 207