MétaCan
Menu
Retour à la cohorte
Enregistrement W16114668 · doi:10.2166/wqrj.2002.007

Data Interpretation Issues for Canada's Environmental Effects Monitoring Program

2002· article· en· W16114668 sur OpenAlexaffabout
Richard B. Lowell, Kathleen Hedley, Edward L. Porter

Notice bibliographique

RevueWater Quality Research Journal · 2002
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésStatistical powerInterpretation (philosophy)Set (abstract data type)Baseline (sea)Point (geometry)Computer scienceEconometricsStatisticsMathematicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract As part of Canada's National Environmental Effects Monitoring (EEM) Program, regulated pulp and paper mills are (and metal mines will be) required to submit an interpretive report describing monitoring results. General guidance has been prepared on how to interpret these EEM data—specifically: 1) which effect endpoints to use, 2) the statistical (or other) approach to use for each endpoint to determine the presence or absence of an effect associated with exposure, and 3) the role of power analysis, α, β, and effect size in determining effects. A statistically significant difference (relative to reference conditions) in any of the effect endpoints is to be considered an exposure-associated effect for the purposes of warranting possible follow-up action. Such an effect does not, however, necessarily indicate ecological, social, or economic significance sufficient to require corrective action. Power analyses should be conducted both at the beginning of a study to determine required sampling effort and at the end of a study to determine whether the power that was actually achieved was sufficient to detect the effect size of interest. A key recommendation is to set α = β as a starting point for data interpretation. The initial recommendations of the general guidance are expected to evolve as environmental effects become better understood.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil0,509

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,179
Tête enseignante GPT0,414
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetGeochemistry and Geologic MappingTravaux en français237 207