MétaCan
Menu
Retour à la cohorte
Enregistrement W6990351927

The decline of the native fisheries of Lakes Kyoga and Victoria and the impact of Nile perch, Lates niloticus on these fisheries

2021· book· en· W6990351927 sur OpenAlexfundno aff

Notice bibliographique

RevueAquaDocs (United Nations Educational, Scientific and Cultural Organization) · 2021
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Biodiversity
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésLatesHabitatNettingCompetition (biology)Introduced speciesFish stockPredatorFishing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There has been a decline almost to the total disappearance and in some cases apparently the extinction of most of the native fish species of Lakes Victoria and Kyoga since the development of the fisheries of these lakes begun at the beginning of this century. The Nile perch, Lates niloticus, a large voracious predator which was introduced into these lakes about the middle of the century along with several tilapiine species is thought to have depleted stocks of other fish. But other factors, such as overfishing, changes in the habitat which can result in fish kills or affect breeding and recruitment, plus competition with other species, appear to have contributed to the diminution in the stocks of other fish.The available information indicates that by the time the Nile perch was established, the stocks of the native tilapiine species had been reduced by over fishing. The Labeo victorianus fishery had similarly been destroyed by intensive gill netting of gravid individuals on breeding migrations. L. niloticus is however, capable of depleting the stocks of species which have disappeared and could have consumed the remnants - thus preventing their recovery. It is also directly responsible for the decline in the populations of the haplochromine cichlids which were abundant over most of these lakes when it was established. The native tilapiine species were also affected by the introduced species which have similar ecologicalrequirements.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,220
Écart entre enseignants0,210 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAquaDocs (United Nations Educational, Scientific and Cultural Organization)Même sujetAquatic Ecosystems and BiodiversityTravaux en français237 207