MétaCan
Menu
Retour à la cohorte
Enregistrement W7128327717

International trade in European eel (Anguilla anguilla) and CITES

2015· dissertation· cs· W7128327717 sur OpenAlexaboutno aff
Ivona ZIKMUNDOVÁ

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2015
Typedissertation
Languecs
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueReproductive biology and impacts on aquatic species
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCITESFishingChinaInternational marketThreatened speciesExtinction (optical mineralogy)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the Czech Republic, the eel (Anguilla anguilla), was an abundant species for a longtime. Nowadays the eel is threatened species due to the excessive fishing and the loss of migration routes. The individuals from the wild nature belong to one of the main sources of the trade in spite of the fact that the eel is registered on the list of CITES; Appendix II including species which are not instantly threated with extinction (33 % of 309 trades in 5 years). The number and the volume of trades was assessed based on data from CITES. Before including the eel on the CITES list, the registered individuals represented the most significant source of the majority of all trades (55 %). Registered individuals were followed by eels from the wild nature. The biggest part of trades was made by meat (38 %) which is very popular in spite of the high fat content. Living individuals, eel bodies, small leather goods and eel leather were traded also very well. Among the main purposes of the trade belong the commercial market (94 %), scientific and medical purpose as well as the captive breeding. The traded eel came mostly from France (21 % of trades), Korea, Great Britain and Morocco. For 20 % of trades the country of origin was unknown. The most exporting countries were: China (32 %), Mexico, Greece, Morocco and Denmark. Targets export markets were especially in USA (15 %), Hong Kong, Japan, Korea and Canada.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,705
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,260
Écart entre enseignants0,251 · 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.

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Même sujetReproductive biology and impacts on aquatic speciesTravaux en français237 207