MétaCan
Menu
Retour à la cohorte
Enregistrement W4410079108 · doi:10.1093/fshmag/vuaf042

Fish(eries) management on the third rail: Defusing and advancing the dialogue on hatcheries and stocking for enhancement, conservation, and restoration through an innovative roundtable

2025· article· en· W4410079108 sur OpenAlexaff
Hannah L. Harrison, Seth M. White, Neil R. Loneragan, Joy Hazell, Kai Lorenzen

Notice bibliographique

RevueFisheries · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésStockingFish <Actinopterygii>FisheryBusinessNature ConservationRestoration ecologyGeographyEnvironmental ethicsPolitical scienceEnvironmental planningEcologyBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This feature reports on a roundtable session on aquaculture-aided fisheries enhancement, restoration, and conservation that was held at the 2024 Ninth World Fisheries Congress. The session aimed to foster constructive dialogue on the use of hatcheries and stocking programs for conservation purposes, a topic sometimes referred to as the “third rail” of fisheries management. The standing room-only session drew participants from around the world and a wide variety of aquaculture contexts. Using pre-session reflections, in-session discussions, and real-time feedback tools, the session encouraged open discussions on key challenges and promising practices and policies within ­aquaculture-aided enhancement, restoration, and conservation. Participants identified both established challenges and novel perspectives, particularly with respect to the sociocultural aspects of hatchery practices and the need for policies that acknowledge local contexts. The organizers considered the session to be a step forward in developing a robust and diverse community of practice interested in aquaculture-aided approaches.

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)0,022
score de la tête « metaresearch » (Gemma)0,010
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0100,005
Communication savante0,0060,006
Science ouverte0,0020,010
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,027
Tête enseignante GPT0,261
Écart entre enseignants0,234 · 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
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFisheriesMême sujetFish Ecology and Management StudiesTravaux en français237 207