MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417441818 · doi:10.1139/cjfas-2025-0112

Speed meets standards: powering the Wild Salmon Policy with rapid status assessments for Pacific salmon Conservation Units

2025· article· en· W4417441818 sur OpenAlexaffvenueabout
Sue C.H. Grant, Gottfried Pestal, Carrie A. Holt

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiens3v Geomatics (Canada)Fisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésComparabilityExtinction (optical mineralogy)HabitatIndigenousCITESClimate changeHabitat destruction

Résumé

récupéré en direct d'OpenAlex

Pacific salmon face increasing risks from climate change and habitat stressors, with widespread declines already evident. Tracking extinction risk across the 381 Canadian Pacific salmon Conservations Units (CUs) is urgently needed to respond adaptively to these changes. This review outlines how rapid status methods under Canada’s Wild Salmon Policy (WSP) can achieve this. These methods are used to assign Red, Amber, and Green statuses to CUs annually, reflecting a high to low extinction risk, and are built on the foundation of International Union for the Conservation of Nature (IUCN) methods. The WSP multi-metric method aligns with conservation ecology, is relatively easy to implement, applies broadly across CUs, and ensures comparability of statuses between CUs and years. It also fosters reproducibility, transparency, and objectivity. We highlight best practices in WSP rapid status assessments and describe the guidelines, processes, and tools designed to achieve them. Expert review, which includes local knowledge from Indigenous groups and others, is central to the process, ensuring assessments are robust and widely supported. These methods are intended to evolve through on-going implementation.

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)0,229
score de la tête « metaresearch » (Gemma)0,332
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,471
Score d'incertitude au seuil0,951

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2290,332
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0100,010
Études des sciences et des technologies0,0050,007
Communication savante0,0100,013
Science ouverte0,0090,010
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,019
Tête enseignante GPT0,259
Écart entre enseignants0,241 · 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.

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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→