Methods for Establishing Classification Schemes and Thresholds for Reporting on the State of Fish and Fish Habitat
Bibliographic record
Abstract
Les responsables du Programme de protection du poisson et de son habitat (PPPH) de la région de l’Ontario et des Prairies ont demandé un avis scientifique sur les approches pouvant servir à définir les schémas de classification et les seuils connexes pour les rapports sur l’état du poisson et de son habitat dans deux zones prioritaires, soit la région des Grands Lacs inférieurs et la région du versant est en Alberta. Un avis scientifique sur la quantification et l’évaluation de l’état du poisson et de son habitat dans ces zones a été également été demandé. Le présent document décrit les approches pouvant servir à élaborer des schémas de classification, notamment des systèmes fondés sur i) les relations fonctionnelles avec les objectifs de gestion, ii) les seuils établis, iii) le classement relatif, et iv) la sollicitation d’expertise. Un arbre de décision pour la sélection parmi les approches, fondé sur la disponibilité de différents types d’information, est présenté. De plus, nous examinons la manière dont l’information tirée de multiples paramètres peut être synthétisée dans les rapports sur l’état des indicateurs généraux et dont les schémas de classification peuvent être établis en ce qui concerne la qualité des données dans les rapports sur l’état du poisson et de son habitat. Enfin, les principales inconnues liées à l’élaboration de schémas de classification sont également analysées.
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 | 0.150 | 0.264 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.025 | 0.020 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.005 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.005 |
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".