MétaCan
Menu
Retour à la cohorte
Enregistrement W4415394570 · doi:10.1139/cjfas-2025-0213

Once considered a “disruptive science”, biotelemetry is now among the most trusted and relevant approaches informing salmon fisheries management

2025· article· en· W4415394570 sur OpenAlexaffvenue
Scott G. Hinch, Steven J. Cooke, Nathan Young

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensUniversity of OttawaCarleton UniversityAgricultural Institute of CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiotelemetryResource (disambiguation)Fisheries scienceResource management (computing)Fisheries managementTelemetry

Résumé

récupéré en direct d'OpenAlex

New scientific approaches that prompt a rethink in resource policy or management, and that lead to “worldviews” being challenged, are considered to be “disruptive”. This paper explores (i) the complex 30-year history of a biotelemetry science “disruption” with the management of Fraser River salmon fisheries, (ii) the transformation of biotelemetry science from a disruptive to an accepted science, and (iii) the circumstances that have now made it one of the most important tools for managing Pacific salmon fisheries. We conclude with an overview of a successful case study involving the co-production of biotelemetry science to inform the management of the British Columbia marine recreational fishery. The approach we advocate for provides a pathway for all telemetry practitioners to avoid potential pitfalls and take advantage of what we have learned to ensure biotelemetry science continues to have the potential to generate relevant knowledge to inform management of all socio-economically important fishes.

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)0,015
score de la tête « metaresearch » (Gemma)0,023
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: aucune
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0060,027
Communication savante0,0090,011
Science ouverte0,0010,008
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,035
Tête enseignante GPT0,237
Écart entre enseignants0,202 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetWater Quality Monitoring TechnologiesTravaux en français237 207