MétaCan
Menu
Retour à la cohorte
Enregistrement W4413885125 · doi:10.1016/j.fishres.2025.107516

Use of escape gaps in Barents Sea snow crab (Chionoecetes opilio) fishery: Can it reduce bycatch of undersized crabs?

2025· article· en· W4413885125 sur OpenAlexaff
Kristine Cerbule, Roger B. Larsen, Tomás Araya-Schmidt, Paul D. Winger, Ivan Tatone, Gjermund Langedal

Notice bibliographique

RevueFisheries Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNorges Forskningsråd
Mots-clésBycatchFisheryDecapodaSnowCrustaceanOceanographyFish <Actinopterygii>BiologyGeologyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Snow crab ( Chionoecetes opilio ), like several other crustacean species, are commonly captured using trap gear, which is designed as conical pots. Many such pot fisheries employ some selectivity mechanisms that allow release of captured small or undersized individuals on the seabed, thus improving survival of escapees and reducing workload for the fishers. In snow crab pot fisheries, the selectivity mechanism is based mainly on crab escape through netting meshes (diamond-shaped mesh with sizes ranging from 120 – 140 mm). However, several observations have shown that in commercial snow crab pot fisheries, catches contain undersized snow crabs. Therefore, this study aimed to test the use of escape gaps in the Barents Sea snow crab fishery to evaluate whether it can reduce the bycatch of undersized crabs and sharpen size selectivity. The results showed that both standard pots using mesh selection and test pots with escape gaps reduced catches of undersized snow crabs. However, pots with escape gaps significantly reduced the capture of undersized crabs compared to pots that used only netting mesh selection. This result can be important for the commercial fishery, especially considering areas with larger abundances of small snow crabs, where improved size selection could result in reduced workload for catch sorting and potential crab mortality due to the associated handling.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,200
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,000

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 Opus0,085
Tête enseignante GPT0,342
Écart entre enseignants0,257 · 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.

Devis d'étudeObservationnel
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 revueFisheries ResearchMême sujetMarine and fisheries researchTravaux en français237 207