MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417488597 · doi:10.32942/x29q11

Escaping the net: Assessing midwater gear selectivity for the Joint United States and Canada Integrated Ecosystem and Pacific hake (Merluccius productus) Acoustic-Trawl survey

2025· article· W4417488597 sur OpenAlexaboutno aff
Sabrina G. Beyer, Julia Clemons, Alicia A. Billings, Stephen de Blois, Elizabeth M. Phillips, John E. Pohl, Rebecca Thomas, Stéphane Gauthier

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNational Oceanic and Atmospheric Administration
Mots-clésEscapementHakeSampling (signal processing)Joint (building)Fish <Actinopterygii>Ecosystem

Résumé

récupéré en direct d'OpenAlex

Acoustic-trawl surveys use trawl catches to validate the species and size composition of fish aggregations detected acoustically. However, certain sizes of fish may be more likely to escape some trawls, which can bias the size and age distribution of the catch used to estimate biomass. To quantify size-selectivity, we studied 3 midwater trawls used for the United States and Canada joint survey of Pacific hake (Merluccius productus). The survey most recently used an Aleutian Wing Trawl (AWT) with different codend liners until 2023, then switched to a Multi-Function Trawl (MFT) in 2025. To prepare for the switch, we assessed differences in escapement and catch rates using recapture nets, and in paired trawls of both net-types sampling the same aggregations. All nets retained greater than 85% of hake longer than 30-cm (age 2+). In general, the MFT was more efficient than the AWT, with near full retention of all sizes. A substantial fraction of small hake (age 0 to 1) escaped the AWT. A power analysis indicated a low probability of detecting differences in escapement from the AWT with different liners. Gear selectivity information is important to improve the accuracy of fishery survey data and account for changes in sampling gear.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,291
Score d'incertitude au seuil0,586

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,020
Tête enseignante GPT0,240
Écart entre enseignants0,220 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetMarine and fisheries research→Travaux en français237 207→