Using BIIGLE as a collaborative identification tool for fisheries captures: an example from the benthic epifauna trawl surveys of the Canadian Beaufort Sea Marine Ecosystem Assessment (2021 to 2024)
Notice bibliographique
Résumé
This report details the improvement of at-sea identification of epibenthic invertebrates collected during annual surveys of the Canadian Beaufort Sea Marine Ecosystem Assessment (CBS-MEA) through a collaborative and remote-based interregional workflow. The collaboration between DFO-Arctic and DFO-Quebec regional teams started in 2021 and, during that first year, a high rate (67 %) of at-sea identification errors was documented in the dataset. This highlighted the need to improve the approach for validating taxonomic identifications while optimizing knowledge sharing. During each survey, photos of whole trawl catches as well as each taxon collected were taken. Starting in 2022, the collaborative image annotation software BIIGLE was used in post-field work to share photos of specimens with digital labels (annotations) representing a scientific name. A taxonomic expert (DFO-Quebec) reviewed the epifauna biodiversity dataset and, if necessary, annotated the corrections directly through the photos in BIIGLE. The field team (DFO-Arctic) was then able to visually review taxonomic corrections and naming of unidentified taxa in the photos, enabling a better learning opportunity than reviewing revised taxonomic names in a spreadsheet dataset. From 2021 to 2024, the identification correction rate dropped from 67 % to 16 %. This underscores that an iterative collaboration, facilitated by usage of BIIGLE, greatly improved at-sea identification. This approach holds potential for broader application across other collaborative programs and projects related to fisheries captures within or outside DFO, demonstrating the value of taxonomic validation and use of digital tools in remote collaboration.
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 | 0,014 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».