MétaCan
Menu
Retour à la cohorte
Enregistrement W7082661389 · doi:10.24431/ax1k9m8lnt

Data for R0303

2025· dataset· en· W7082661389 sur OpenAlexaboutno aff

Notice bibliographique

RevueAxiom Data Science · 2025
Typedataset
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPeninsulaBayStock (firearms)Pacific oceanDistribution (mathematics)OncorhynchusSea surface temperature

Résumé

récupéré en direct d'OpenAlex

We investigate the stock composition and seasonal distribution Asian and North American sockeye and chum salmon collected in the Bering Sea during 2002-2004 using genetic markers. For chum salmon, using allozymes and mtDNA, Japanese investigators identified that Asian and North American stocks were not randomly distributed. Japanese stocks were distributed in the central Bering Sea, the distribution of Russian stocks was similar but also spread into the North Pacific Ocean, and northwestern Alaska stocks including fall chum salmon from the Yukon River were distributed mainly in eastern North Pacific Ocean. Using supplemental information, Japanese investigators hypothesize a complete migration model for their hatchery stocks, through the Sea of Okhotsk, seasonally through the Bering Sea and northwestern Gulf of Alaska, back to Japan. For sockeye salmon, using single nucleotide polymorphisms, US investigators identified a broader distribution of North American stocks than suggested by historical tagging studies. Bristol Bay stocks were the most widely-distributed, accounting for more than half the mixtures in all areas except the southwestern Bering Sea. Russian stocks were primarily detected in the western Bering Sea, and differences were detected in the distributions between the eastern- and the western-Kamchatka Peninsula populations. Stocks from the Gulf of Alaska were also widely distributed throughout much of the Bering Sea, although at low proportions relative to the Pacific Ocean-wide production estimates. Data from this project provide the foundation for continuing studies by NPAFC scientists, Pacific Salmon Commission studies by NOAA and ADFG, and are being used by ADFG to improve harvest management in Southeast Alaska, Cook Inlet, and Bristol Bay. These datasets were archived as part of the North Pacific Research Board legacy project recovery effort undertaken by Axiom Data Science and NPRB in 2025. The goal of the recovery effort was to assess the NPRB-funded data projects from 2002 to 2014 and archive final data packages that were ready for publication to increase long-term accessibility and discoverability. Data packages were archived as is given limited funding and resources.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte
Catégories consensuellesScience ouverte
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 enseignants0,041
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0660,040
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,089
Tête enseignante GPT0,342
Écart entre enseignants0,254 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAxiom Data ScienceMême sujetGeochemistry and Geologic MappingTravaux en français237 207