Metadata for the Marine Turtle Tagging and Monitoring Program by Caño Palma Biological Station
Notice bibliographique
Résumé
This metadata repository describes long-term data collected by Caño Palma Biological Station and the Canadian Organization for Tropical Education and Rainforest Conservation (COTERC). The dataset spans 2006–present and is collected at Playa Norte, Costa Rica, an important Atlantic rookery. Green (Chelonia mydas), hawksbill (Eretmochelys imbricata), and leatherback turtles (Dermochelys coriacea) are the most common species in the database, with infrequent observations of loggerheads (Caretta caretta). The data pertain to the following topics: All activity: Beach activity by nesting females is collected daily. When a nesting female is encountered, nest information, tag data, and body health information is collected. This data includes a tag database of all individuals observe on the study transect.Nest excavations: After a nest hatches or expires, information on embryo stage, predation, important incubation events, deformities, and nest success is recorded. Human impact: By Costa Rican law, human activity on the Playa Norte is prohibited during the sea turtle nesting season except with a permit. Data on the types, times, and locations of human activity observed during nighttime surveys is recorded.Survey effort: The effort expended by all field teams (i.e. morning, night, and excavation surveys) is recorded.Non-standardized data: This pertains to data that does not have a standardized format and does not exist for most years, and thus metadata is not included in this repository. Notably, daily nest status data contains detailed longitudinal information on events occurring throughout the incubation of each marked nest. For questions about the data or metadata, or if interested in collaborating or accessing this data, please email dataintergrity@coterc.org. More information about COTERC and Caño Palma Biological Station can be found at coterc.org.Peer reviewed publications using this dataset include:Damian, M., Harris, A., Aussage, J., & Fraser, G. S. (2022). Seasonal deposition of marine debris on an important marine turtle nesting beach in Costa Rica. Marine Pollution Bulletin, 177, 113525.Restrepo, J., Rojas-Cañizales, D., & Valverde, R. A. (2022). Historical Records of Loggerhead Sea Turtle (Caretta caretta) Nesting at Tortuguero, Costa Rica. Journal of Herpetology, 56(3), 336-340.Pheasey, H., Glen, G., Allison, N. L., Fonseca, L. G., Chacón, D., Restrepo, J., & Valverde, R. A. (2021). Quantifying illegal extraction of sea turtles in Costa Rica. Frontiers in Conservation Science, 2, 705556.Pheasey, H., Roberts, D. L., Rojas-Cañizales, D., Mejías-Balsalobre, C., Griffiths, R. A., & Williams-Guillen, K. (2020). Using GPS-enabled decoy turtle eggs to track illegal trade. Current Biology, 30(19), R1066-R1068.Pheasey, H., McCargar, M., Glinsky, A., & Humphreys, N. (2018). Effectiveness of concealed nest protection screens against domestic predators for green (Chelonia mydas) and hawksbill (Eretmochelys imbricata) sea turtles. Chelonian Conservation and Biology, 17(2), 263-270.Velez-Espino, A., Pheasey, H., Araújo, A., & Fernández, L. M. (2018). Laying on the edge: demography of green sea turtles (Chelonia mydas) nesting on Playa Norte, Tortuguero, Costa Rica. Marine Biology, 165(3), 1-12.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,009 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,110 | 0,071 |
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 ».