MétaCan
Menu
Back to cohort
Record W2163434913 · doi:10.7202/037487ar

Connectivité entre les populations du fjord du Saguenay et celles du golfe du Saint-Laurent

2009· article· fr· W2163434913 on OpenAlexaffabout
Jean‐Marie Sévigny, Alexandra Valentin, A. Talbot, Nadia Ménard

Bibliographic record

VenueRevue des sciences de l eau · 2009
Typearticle
Languagefr
FieldEnvironmental Science
TopicFish Ecology and Management Studies
Canadian institutionsGDG EnvironnementFisheries and Oceans Canada
Fundersnot available
KeywordsFjordHumanitiesGeographyArtGeology

Abstract

fetched live from OpenAlex

L’analyse des marqueurs microsatellites et d’allozymes chez différentes espèces de poissons de fond (morue, flétan du Groenland et sébaste) et de crustacés (crabe des neiges et crevette nordique) montre que les organismes du Saguenay et du Saint-Laurent appartiennent aux mêmes populations. La seule différenciation génétique est observée au locus Pan I chez la morue. Cette différenciation pourrait toutefois être causée par la sélection, qui agirait dans le fjord du Saguenay, plutôt que par l’isolement génétique de la population. Les données complémentaires disponibles pour les poissons de fond (composition élémentaire des otolithes, morphométrie et faune parasitaire) montrent que les individus capturés dans le Saguenay diffèrent de ceux du Saint-Laurent. Ces différences suggèrent que les individus du Saguenay et du Saint-Laurent passent la majeure partie de leur cycle vital dans des environnements différents. Considérant la très faible survie larvaire observée dans le fjord, cette revue suggère que les populations de poissons de fond du Saguenay constituent des populations puits, dont le recrutement dépend de l’apport de juvéniles depuis le Saint-Laurent. Une fois les individus installés dans le Saguenay, ils y passent la majorité de leur vie. Même si nous ne possédons pas de données complémentaires pour les crustacés, il est possible que le même mécanisme opère chez ces espèces.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesScience and technology studies
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.165
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0030.003
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0020.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.052
GPT teacher head0.274
Teacher spread0.222 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations12
Published2009
Admission routes2
Has abstractyes

Explore more

Same venueRevue des sciences de l eauSame topicFish Ecology and Management StudiesFrench-language works237,207