From iconic to overlooked species: How (electronic) tags improve our understanding of marine ecosystems and their inhabitants
Notice bibliographique
Résumé
No abstracts are to be cited without prior reference to the author.Conveners: Matthias Schaber (Germany), Derke Snodgrass (USA).CM 2017/D:471. Who ate my science project...twice?. Matthias Schaber, Heino Fock, Péricles Neves SilvaCM 2017/D:354. If you can’t beat them, eat them: using acoustic telemetry to develop an economically viable fishery for the highly invasive roundgoby (Neogobius melanostomus). Mads Christoffersen, Jon C. Svendsen Jane Behrens Niels Jepsen Mikael van DeursCM 2017/D:322. Coupling spectral analysis and Hidden Markov Models for the segmentation of behavioural patterns: European sea bass as astudy case. Mathieu Woillez, Karine Heerah, Ronan Fablet, François Garren, Stéphane Martin, Hélène De PontualCM 2017/D:323. Comparison of geolocation models for the analysis of the spatial dynamics and population structure of pelagic fish: application toEuropean sea bass (Dicentrarchus labrax). Serena Wright, Mathieu Woillez, Victoria Bendall, Karine Heerah, David Righton, Ewan Hunter, Hélène de PontuaCM 2017/D:155. Movement and diet: Individual specialisations of barbel Barbus barbus in a disconnected and subsidised world. Catherine Gutmann Roberts, Andrew Hindes Robert BrittonCM 2017/D:477. Fine and broad-scale movement ecology of yellowtail snapper Ocyurus chrysurus within a marine protected area in the U.S. Virgin Islands. Ashleigh Novak, Sarah Becker, Jack Finn, Clayton Pollock, Zandy Hillis-Starr, Adrian JordaanCM 2017/D:315. Using acoustic telemetry to monitor competitive interactions between European Seabass (Dicentrarchus labrax) and giltheadseabream (Sparus aurata) in Salcombe Harbour, UK. Jenifer Lewis, Thomas Stamp, Ewan Hunter, Tim Robbins, Libby Ross, Frank van Veen, Emma SheehanCM 2017/D:286. Project I-BASS (preliminary results): Using acoustic telemetry to measure the effectiveness of spatial management for EuropeanSeabass (Dicentrarchus labrax). Thomas Stamp, Shaun Plenty, Tim Robbins, Libby Ross, Emma SheehanCM 2017/D:526. Lobster and crab movement around salmon farms in New Brunswick, Canada. Christopher W. McKindsey, Rénald Belley, Annick Drouin, Shawn M. C. Robinson, Émilie SimardCM 2017/D:517. IGFA Great Marlin Race: Largest citizen science billfish satellite tagging project. Leah Baumwell, Jason SchratwieserCM 2017/D:596. Northern Fur Seals and Pollock in the Eastern Bering Sea. Ivonne Ortiz, Jeremy SterlingCM 2017/D:339. A GPU-accelerated particle filter geolocation method for demersal fish using archival tagging data. Chang Liu, Chang Liu, Geoffrey CowlesCM 2017/D:381. Acoustic tags reveal the influence of electromagnetic fields on migratory and electro-sensitive species in an in situ controlled mesocosm study. Zoe L Hutchison, Andrew B. Gill, Peter Sigray, John King
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,015 | 0,031 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,013 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».