DISCUSSION Spatial autocorrelation and fish production in freshwaters: a comment on Randall et al. (1995)1
Notice bibliographique
Résumé
graphic areas, sites near one another often have similar lev-els of species abundance or biomass as a result of similar geologic, climatic, or biotic factors (Legendre and Fortin 1989). This positive autocorrelation at “small ” spatial scales means that nearby sites should not be treated as independent replicates in classical statistical analyses (Legendre 1993). Under these conditions, statistical tests are too liberal and prone to type I errors. Despite knowing these pitfalls, many fisheries researchers continue to use classical statistical anal-yses and ignore the potential influence that autocorrelation could have on interpretations of broad geographic scale pat-terns (see Hinch et al. 1994) or temporal patterns (Pyper and Peterman 1998) of fish attributes. In a recent issue of the Canadian Journal of Fisheries and Aquatic Sciences, Randall et al. (1995) used data from entire
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 | 0,041 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,014 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,013 | 0,004 |
| Intégrité de la recherche | 0,023 | 0,038 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,006 |
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 ».