MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415714989 · doi:10.1139/cjfas-2025-0140

March of the Mussel: Is Atlantic Canada at risk of zebra mussel ( <i>Dreissena polymorpha</i> ) invasion?

2025· article· en· W4415714989 sur OpenAlexaffvenueabout
Sarah Kingsbury, Andréa M. Weise, Andrew J. Guerin, Brendan D. Spearin, C.I. Burbidge, Marc-Andre Plourde

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensMinistère de l'Agriculture, des Pêcheries et de l'AlimentationBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésDreissenaZebra musselHabitatInvasive speciesRecreationMussel

Résumé

récupéré en direct d'OpenAlex

The invasion of Atlantic Canadian (Eastern Quebec, New Brunswick, Nova Scotia, and Prince Edward Island) freshwater habitats by the zebra mussel ( Dreissena polymorpha) is currently in progress. Management of this ongoing invasion requires information on which areas have the highest invasion risk, which can be predicted using species distribution models (SDMs). Previous Canadian studies have focused on environmental suitability, with less use of information on potential pathways of introduction, and have tended to rely on single SDMs. In this study, the risk of Dreissena polymorpha spread in Atlantic Canada was explored using multiple SDM types, both separately and in combination via two ensemble modelling approaches, noting which approach increased SDM accuracy. Models were built using physico-chemical data coupled with spatially explicit information on human-mediated introduction pathways. Physico-chemical variables, and data relating to recreational fishing, were among the more important model variables. Model outputs identified several “higher-risk” areas for Dreissena polymorpha invasion that could be prioritized for future monitoring and management action. Of the trialed model types, random forest models were the most accurate.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,073
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,194
Écart entre enseignants0,185 · 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'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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetAquatic Invertebrate Ecology and Behavior→Travaux en français237 207→