Recensement des dispositifs de suivis poissons dans les Aires Marines Protégées de Méditerranée Française
Bibliographic record
Abstract
Ce document constitue la synthèse du recensement des suivis de l’ichtyofaune menés dans les Aires Marines Protégées de Méditerrannée Occidentale (MO) française.En vue de l’élaboration d’une stratégie de surveillance nationale des poissons et céphalopodes en milieux côtiers, un recensement des suivis existants hors cadre DCSMM, a été réalisé en 2022. Un certain nombre de dispositifs mis en oeuvre dans les AMP de MO ont été identifiés comme pouvant potentiellement contribuer à la fourniture de données utiles pour l’évaluation DCSMM.L’analyse comparative des différents suivis menés dans les AMP met en évidence le fait que les cinq grandes familles de suivis (UVC transect, UVC temps, pêche scientifique, pêche de loisirs et pêche professionnelle) sont globalement bien représentées à l’échelle de la façade mais mises en oeuvre selon des stratégies d’échantillonnage (saison, surface, nombre de réplicats,…) hétérogènes. A ce stade, cette hétérogénéité remet en question l’inter-comparabilité des jeux de données et leur utilisation pour la DCSMM.Compte tenu de la forte représentativité des suivis UVC transect au sein des différents AMP et de l’antériorité des données disponibles, il semble essentiel de travailler dans un premier temps sur ces protocoles en évaluant la faisabilité de la mise en place d’un protocole d’échantillonnage standardisé répondant aux besoins des gestionnaires et à ceux des directives publiques.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".