Population dynamics and migration of glass eels in the Vilaine estuary
Bibliographic record
Abstract
Cette thèse analyse de dix années de données concernant la migration et l exploitation des civelles en estuaire de Vilaine. La mise au point de méthodes de traitements de données de carnets de pêche permet l estimation des captures journalières de la pêcherie. Leur analyse par des méthodes de séries chronologiques et par GLM montre que les captures totales journalières de la pêcherie de Vilaine sont peu sensibles aux facteurs de l environnement, à part pour l effet bloquant de températures inférieures à 6 C et l effet modulateur des marées. La mise au point de méthodes de marquage (recaptures permet d obtenir des estimations du stocks estuarien après l arrêt de la pêcherie. La réponse différente des civelles au marquage en fonction de leur origine (passe ou estuaire) permet de proposer un modèle où deux fractions comportementales sont distinguées dans l estuaire : des civelles en phase de migrations portées et des civelles en migration active avec un comportement théotactique plus marqué. La fraction active n apparaît qu après un délai nécessaire à la transition de comportement. Après avoir fait la démonstration de l effet de la température et de la salinité sur la dynamique de pigmentation des civelles, ces facteurs sont ingérés dans un modèle permettant de prédire l évolution pigmentaire du stade VB au stade VIA3.
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 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| 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".