MétaCan
Menu
Retour à la cohorte
Enregistrement W6908641638 · doi:10.3389/fmars.2023.1245320.s001

DataSheet_1_Alien species established in the Bay of Biscay suggest significant contribution of both fouling and dry ship compartments.pdf

2023· dataset· en· W6908641638 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typedataset
Langueen
DomaineArts and Humanities
ThématiqueArt History and Market Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBayBiotaPort (circuit theory)BallastBiosecurityEcosystemFoulingMarine ecosystem

Résumé

récupéré en direct d'OpenAlex

Introduction<p>The majority of studies on marine biosecurity focus on aquatic species, but invaders can also use dry ship compartments for dispersal; this pathway has been less explored than fouling or ballast water. Here we analysed the maritime traffic of the international Port of Gijon (south Bay of Biscay, Spain) as a case study.</p>Methods<p>Main donor countries were identified from traffic data. From the Global Invasive Species Database, we detected a similar proportion of expected global alien invasive species (AIS) from fouling and containers pathways to be actually settled in the recipient region.</p>Results<p>The AIS diversity transported via fouling was higher than that transported by containers. No significant difference between Australia, Brazil, Canada and South Africa in the proportion of global AIS actually transferred to Bay of Biscay supports the vision of port networks as a new ecosystem with multiple demes. Different AIS catalogues in the donor regions may explain a higher proportion of terrestrial AIS introduced via containers from Brazil and South Africa and marine AIS introduced via fouling.</p>Discussion<p>A more careful surveillance of biota in dry ship compartments, including it in a future revision in the International Convention for Safe Containers, is recommended to reduce the contribution of shipping to biological invasions.</p>

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,958

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0930,001

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 Opus0,061
Tête enseignante GPT0,254
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetArt History and Market AnalysisTravaux en français237 207