Report of the Benchmark Workshop on Norway Pout (Trisopterus esmarkii ) in Subarea 4 and Division 3a (North Sea, Skagerrak, and Kattegat). 23–25 August 2016 Copenhagen, Denmark
Notice bibliographique
Résumé
The Benchmark Workshop on Norway Pout (WKPout), chaired by External Chair Jerry Ault, USA, and ICES Chair José De Oliveira, UK, met at ICES HQ, Copenhagen on 23–25 August 2016. There were 13 participants, including three external reviewers (two from USA, one from France), Danish, Norwegian and UK scientists, and Danish Industry representatives. The benchmark followed a data evaluation workshop in May 2016 during which input data for the assessment were agreed. The main focus of the benchmark was to agree a new assessment methodology, seasonal SAM (SESAM), for Norway Pout. In addition, reference points and forecasting methodology were discussed. A number of variants of the SESAM model were investigated and compared to the previous assessment model, SXSA. These variants included the use (or not) of commercial cpue data, omission of the earliest years of data from the assessment, alternative settings for the detection threshold used to handle zero-valued data, and omitting the years of fishery closure when estimating the random walk variance on fishing mortality. The final SESAM model excludes commercial cpue data, omits 1983 data from the assessment and omits the years of fishery closure from the random walk variance calculation. Blim is set equal to Bloss based on quarter 4 SSB values to align with the new fishing season (1st November to 31st October). The short-term forecast is stochastic, which allows the probability of SSB being below Blim to be evaluated immediately following the fishing season.\n
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».