Survey of Great Cormorant and islets with gulls and terns in Lake Mälaren in 2014
Bibliographic record
Abstract
Storskarv Mälarens häckande storskarvar, representerade av underarten Phalacrocorax carbo sinensis (”mellanskarv”), inventerades under perioden 20-30 april 2014. Detta var en upprepning av de inventeringar som utfördes årligen 2004-2011. Sammanlagt inräknades 2 210 aktiva bon på 14 lokaler vilket ligger på ungefär samma nivå som de närmast föregående åren. Fågelskären Mälarens fågelskär inventerades heltäckande för tionde året i följd, det vill säga årligen 2005-2014. Med fågelskär menas öar som hyser kolonihäckande måsar eller tärnor, såväl tidigare kända som nyupptäckta. Använd metod var räkning av individer som bedöms som bofasta på lokalen. Inventeringen gäller i första hand måsar och tärnor, samt andfåglar och vadare.Inventeringen utfördes under perioden 20 maj – 2 juni och omfattade totalt 350 holmar och skär som uppfyller nyssnämnda definition. På 15 lokaler landstegs också i syfte att dels kalibrera metoden, dels dokumentera förekomst av sjuka och döda fåglar. Sedan 2009 dokumenteras också fisktärnans reproduktion. Tretton personer deltog i fältarbetet. Sammanlagt inräknades 6 320 fågelindivider av 32 arter (exkl. storskarv och gråhäger) som bedömdes häcka på fågelskären. De tio talrikaste arterna var fisktärna (1 579), gråtrut (1 488),skrattmås (1 198),fiskmås (866),vigg (279),gräsand (234),silltrut (114),kanadagås (91),vitkindad gås (75) och strandskata (54). Ingen sjuk fågel dokumenterades i år, men fyra (4) döda adulta gråtrutar noterades på en lokal. Flertalet av de arter som övervakas genom detta inventeringsprogram tenderar att minska i antal. Det gäller särskilt vigg, småskrake, skrattmås, fiskmås, gråtrut och havstrut. Däremot tycks bestånden av några andra arter ligga rätt stabilt över tid eller uppvisar tendenser till ökning; vitkindad gås, storskarv, strandskata, silltrut, fisktärna.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.002 | 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".