Boîte à outils des méthodes scientifiques de l'approche écosystémique de la gestion des pêches de Pêches et Océans Canada : guide de l’utilisateur
Bibliographic record
Abstract
Un groupe de travail (GT) national sur l’approche écosystémique de la gestion des pêches (AEGP) de Pêches et Océans Canada (MPO) a élaboré une Boîte à outils nationale de l’approche écosystémique des méthodes scientifiques de gestion des pêches (Boîte à outils). Cette Boîte à outils est une compilation des méthodes scientifiques utilisées par le MPO pour intégrer des variables écosystémiques dans les évaluations des stocks et les autres activités de recherche liées aux évaluations. Ce rapport sert de guide de l’utilisateur pour la Boîte à outils, qui peut être téléchargée à partir du portail de données ouvertes du gouvernement du Canada (et se trouve en annexe du présent rapport). Il convient de noter que le contenu de la Boîte à outils est destiné à servir de point de départ aux chercheurs qui veulent intégrer l’information écosystémique dans leurs activités d’évaluation des stocks, et non à fournir une liste exhaustive des outils d’analyse disponibles. Les chercheurs sont priés d’évaluer la pertinence des outils de la Boîte à outils pour la recherche en question, ainsi que d’étudier la possibilité d’autres outils (préexistants ou nouveaux) qui ne sont pas actuellement inclus dans la Boîte à outils. La Boîte à outils se veut « évolutive », avec des mises à jour périodiques pour refléter les pratiques exemplaires émergentes.
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 | 0.025 | 0.033 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.007 | 0.005 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.007 |
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".