MétaCan
Menu
Retour à la cohorte
Enregistrement W2035060498 · doi:10.1017/s003224740500505x

Advances in engineered remediation for use in the Arctic and Antarctica

2006· article· en· W2035060498 sur OpenAlexaffabout
Dennis M. Filler, C. M. Reynolds, Ian Snape, A. J. Daugulis, David L. Barnes, Peter J. Williams

Notice bibliographique

RevuePolar Record · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental remediationEnvironmental scienceArcticEnvironmental hazardWaste managementEnvironmental planningEnvironmental resource managementBiochemical engineeringEngineeringContaminationEcology

Résumé

récupéré en direct d'OpenAlex

Creative remediation schemes have been implemented with success at petroleum-contaminated sites in Alaska and Canada during the past decade. Contaminated media have been landfarmed, amended with fertilizers, augmented with microbial products, and manipulated with engineered systems. Phytoremediation developments and use of biodegradable synthetic and polymeric resins for potential use with petroleum and xenobiotic contaminants are on the horizon. Treatment of supra-permafrost water and melt-water runoff with permeable reactive barriers and partitioning bioreactors is now possible. Cost and time limitations will likely continue to drive remediation decisions in the Arctic. Environmental policy, environmental constraints, and cost will dictate what technologies are appropriate for Antarctic clean-up, although the pressure of time is less acute because land transfer and liability are not drivers. This paper discusses some recent advances in remediation engineering for use in polar regions. Conceptual models are presented, and case study treatment costs and durations are highlighted to aid environmental decision-making.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations46
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolar RecordMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207