MétaCan
Menu
Retour à la cohorte
Enregistrement W1978783281 · doi:10.1080/10473289.2000.10464123

Receptor Modeling for Elemental Source Contributions to Fine Aerosols in New York State

2000· article· en· W1978783281 sur OpenAlexaboutno aff
Michael Ames, Gülen Güllü, Jack L. Beal, İ. Ölmez

Notice bibliographique

RevueJournal of the Air & Waste Management Association · 2000
Typearticle
Langueen
DomaineHealth Professions
ThématiqueRadioactivity and Radon Measurements
Établissements canadiensnon disponible
Organismes subventionnairesNew York State Department of Environmental ConservationU.S. Environmental Protection Agency
Mots-clésNeutron activation analysisEnrichment factorEnvironmental scienceSampling (signal processing)PollutionEnvironmental chemistryParticulatesTrace elementAir pollutionTRACE (psycholinguistics)AerosolAtmospheric sciencesMineralogyChemistryMeteorologyGeologyGeographyRadiochemistryHeavy metalsEngineeringFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

Fine atmospheric particulate material was collected at five sites in upstate New York and analyzed for its trace element composition by instrumental neutron activation analysis. Of the 3700 daily samples collected over a 2-yr period, 1459 were analyzed for 39 elements, providing a large and detailed data set. Factor analysis (FA) was used to identify potential pollution sources or source regions and to construct inorganic source profiles for each. Following FA, the method of absolute factor scores-multiple linear regression was used to estimate the absolute elemental contribution of each of the identified sources. Factor analysis identified nine sources impacting the sampling region. Seven of these were found to be present in varying degrees among of the sampling sites. The other two sources had more localized impacts and were observed at only one of the sites each. Regional sources (such as the midwestern United States and eastern Canada) and crustal/soil material accounted for the greatest amount of the trace elements measured in the collected material.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,556

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 ouverte0,0000,000
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 Opus0,040
Tête enseignante GPT0,349
Écart entre enseignants0,309 · 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'étudeSans objet
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

Citations13
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Air & Waste Management AssociationMême sujetRadioactivity and Radon MeasurementsTravaux en français237 207