Effort de pêche des navires de pêche français en Mer du Nord - Manche Orientale (4,7d), Ouest Ecosse (5b, 6a), Mer d'Irlande (7a), et des navires de pêche étrangers dans les eaux françaises du sud de la Mer du Nord (4c) et de la Manche Orientale (7d)
Bibliographic record
Abstract
Effort de pêche des navires de pêche français en mer du Nord (5b, 6a), mer d'Irlande (7a), et des navires de pêche étrangers dans les eaux françaises du sud de la mer du Nord (4c) et de la Manche orientale (7d) Contexte Rappel de la demande de la DPMA (saisine 18 2018: "Je souhaiterais disposer d'éléments me permettant d'apprécier l'évolution depuis le 1er février 2017 des flottilles européennes qui étaient soumises au régime d'effort de pêche cabillaud.J'aurai besoin d'une estimation de l'effort de pêche mensuel des flottilles françaises et étrangères1, pour chacun des segments zone janvier 2018, dans les trois unités disponibles (jours de pêch pêche).Enfin il sera intéressant d'évaluer, dans la mesure du possible, l'impact de la suppression de ce régime d'effort sur la mortalité par pêche du cabillaud, tout en présentant les limites d'une telle analyse."Le traitement de cette demande a été faite en deux étapes: 1. l'analyse de l'effort de pêche mer du Nord (4c) et de la Manche orientale (7d), réalisée en mai 2018 et donnée en annexe, 2. l'analyse de l'effort de pêche des navires de pêche français en mer du Nord orientale (4,7d), ouest Ecosse (5b, 6a), mer d'Irlande (7a) Effort de pêche des navires de pêche français en mer du Nord -Manche orientale (4, 6a), mer d'Irlande (7a) Source des données:Les données utilisées sont les données issues de SACROIS (DPMA Harmonie le 7 juin 2018.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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.
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".