Episoder med skadelige alger og maneter i oppdrett- hva kan vi lære av erfaringer fra merdkanten
Notice bibliographique
Résumé
Noen ganger forårsaker oppblomstringer av alger og maneter skadelig for akvakulturvirksomhet og forårsaker fiskedød og redusert fiskevelferd. Et ferskt eksempel er oppblomstringen av Chrysochromulia leadbeateri i 2019 som forårsaket massiv fiskedød og store tap for de oppdretterne som ble berørt. Det er en bekymring for at havbruksnæringen vil oppleve økte problemer med skadelige alger og maneter i fremtiden grunnet klimaendringer. Et steg på veien mot et system som kan bidra til å forebygge og håndtere episoder med skadelige alger og maneter er å sammenstille eksisterende kunnskap, både den som finnes i forsknings- og teknologimiljøene og den som næringen selv besitter. I dette prosjektet har vi samlet vitenskapelig og erfaringsbasert kunnskap om hvordan skader grunnet alger og maneter kan forebygges og håndteres, og laget en prototype på et brukervennlig verktøy som tilgjengeliggjør dette kunnskapsgrunnlaget. Vi har innhentet erfaringsbasert kunnskap gjennom dybdeintervjuer med oppdrettere og fiskehelsepersonell fra Norge, Chile, Canada og UK. Her rapporteres resultatene fra disse intervjuene herunder respondentenes beskrivelser av hvordan episoder med skadelige alge og manetoppblomstringer arter seg, deres erfaringer med ulike avbøtende tiltak og hvordan disse har virket, tanker omkring hvordan man kan bygge beredskap for fremtiden.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,028 |
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 ».