Report of the Workshop on the Development of a Spatial Database and Model for Eels (WKSMEEL)
Notice bibliographique
Résumé
WKSMEEL is part of the roadmap defined by the WKFEA (Workshop on the future of eel advice). Experts from Japan, USA, Canada and Europe met to discuss modelling methods and the data necessary to support the development of a spatial assessment of the stock of European eel (Anguilla anguilla). Modelling of the European eel stock is envisioned as a two-level modelling process. At the regional level, it requires the implementation of statistical extrapolation models in freshwater habitats and specific models in lakes or lagoons. At the whole-stock level, a stage-based spatial model is envisioned. The rationale for choosing a stage-based approach for the global models and the requirements and validation of different regional models are discussed.The data requirements for both regional and global stock models have been reviewed with a specific focus on spatial data. For the regional models, a common GIS data structure using broad scale river networks or national databases is proposed. This database should contain both water surface (lake, lagoons, transitional waters) and rivers. A database structure to store information on eel habitat, dam and electrofishing is proposed. The availability of GIS river database, dam data and electrofishing data is assessed at the European level, using survey questionnaires sent to national correspondents. For the global stock model, the data requirement, including the output of the regional models, have been defined.
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 | 0,031 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,007 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,008 |
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 ».