IMPACTOS PROVOCADOS PELO DESCARTE DO Limnoperna fortunei EM PISCICULTURAS DO SUB-MÉDIO RIO SÃO FRANCISCO
Bibliographic record
Abstract
Com o intuído de verificar os impactos, destinação final e as formas de descarte das conchas retiradas na limpeza das estruturas de cultivo, em seis pisciculturas no município de Jatobá-PE foram realizadas observações in loco das formas de descarte que são realizadas pelos piscicultores, assim como também devidos impactos derivados das conchas do mexilhão dourado Limnoperna fortunei (Dunker, 1856).Essas observações aconteceram em dois períodos distintos, períodos seco e chuvoso de 2018.Os piscicultores de Jatobá-PE acabaram sofrendo impactos econômicos por conta do aumento no investimento que foi necessário para os reparos das estruturas que sofreram danos na realização do ato de remoção das conchas incrustadas, das quais também podem ocasionar em impactos ao meio ambiente caso não seja realizado o devido descarte final.Diante das observações foram constatadas que os piscicultores usam diferentes metodologias no ato do descarte, podendo proporcionar impactos ou não ao ambiente que essas conchas são descartadas.Diante a importância da produção aquícola na região e os impactos que a própria esta propicia a sofrer devido à presença indesejada do mexilhão dourado, prejudicando as espécies a serem cultivadas.Pensando nisso, trabalhos com essa temática são importantes para facilitar na solução de problemas relacionados ao molusco invasor que outros produtores enfrentam no seu dia-a-dia, provocando uma baixa na sua produção.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".