MétaCan
Menu
Retour à la cohorte
Enregistrement W4410880866 · doi:10.1139/cjfas-2024-0315

Bayesian estimation of von Bertalanffy growth parameters for gray triggerfish, <i>Balistes capriscus</i>, incorporating multiple readers and ageing structures

2025· article· en· W4410880866 sur OpenAlexvenueno aff
Derek W. Chamberlin, Zachary A. Siders, Jennifer C. Potts, Walter D. Rogers, William F. Patterson

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFish Biology and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBayesian probabilityFisheryGray (unit)BiologyStatisticsMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

Ageing error can significantly impact growth parameter estimates. However, ageing error is rarely considered as a source of uncertainty as growth is generally estimated from a single age reader's age estimates. Here, we developed a sex-specific Bayesian hierarchical formulation of the von Bertalanffy growth model (VBGM) to estimate gray triggerfish ( Balistes capriscus) growth parameters from multiple ( n = 3) reader age estimates derived from otolith opaque zone counts, a new dorsal spine protocol, and the historical (old) dorsal spine protocol. For all three ageing protocols, estimates of length-at-age were significantly different between sexes, resulting in significantly higher estimates of L∞ for males compared to females. Estimates of the Brody growth coefficient ( k) from both the otolith and new spine ageing protocols were significantly lower than the old spine protocol estimate. Study results provide a framework for comparing VBGMs, suggest it is most appropriate to fit sex-specific growth models for this species, and suggest stock assessments using ages estimated with the old spine ageing protocol would produce biased results.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,216
Écart entre enseignants0,198 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetFish Biology and Ecology StudiesTravaux en français237 207