Surveillance des carpes envahissantes dans les eaux canadiennes du bassin des Grands Lacs laurentiens (2021)
Bibliographic record
Abstract
En 2021, le Programme de lutte contre les carpes envahissantes de Pêches et Océans Canada a poursuivi ses activités de détection précoce des carpes asiatiques dans les eaux canadiennes des Grands Lacs laurentiens. Au total, 699 sites sur le terrain ont été échantillonnés à 28 emplacements à l’aide de 7 types d’engins. Au total, 46 044 poissons ont été capturés, représentant 77 espèces. Le buffalo (Ictiobus spp.) et la carpe commune (Cyprinus carpio) ont été utilisés comme espèces de remplacement pour évaluer l’efficacité des types d’engins. Au total, 117 buffalos et 915 carpes communes ont été capturés. Les trémails et la pêche à l’électricité en bateau ont été les plus efficaces pour capturer ces espèces de remplacement. En outre, 79 autres sites sur le terrain ont été échantillonnés à 7 emplacements pour les larves et les œufs de poissons à l’aide de filets Bongo. Au total, 25 041 larves de poissons ont été capturées. Aucune carpe envahissante n’a été capturée pendant les travaux de surveillance et de détection précoce de 2021. La surveillance des carpes asiatiques se poursuivra en 2022, l’accent étant mis sur les Grands Lacs inférieurs, où la menace d’introduction demeure la plus élevée.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 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".