MétaCan
Menu
Retour à la cohorte
Enregistrement W2086073390 · doi:10.1080/03632415.2011.616459

NSERC's HydroNet: A National Research Network to Promote Sustainable Hydropower and Healthy Aquatic Ecosystems

2011· article· en· W2086073390 sur OpenAlexafffundabout
Karen E. Smokorowski, Normand Bergeron, Daniel Boisclair, Keith D. Clarke, Steven J. Cooke, R. A. Cunjak, Jeff Dawson, Brett Eaton, Faye Hicks, Paul S. Higgins, Chris Katopodis, Michel Lapointe, Pierre Legendre, Michael Power, Robert G. Randall, Joseph B. Rasmussen, George A. Rose, Andre Saint‐Hilaire, Brent Sellars, Gary J. Swanson, Nicholas Winfield, Roger Wysocki, David Z. Zhu

Notice bibliographique

RevueFisheries · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensManitoba HydroMcGill UniversityEnvironment and Climate Change CanadaFisheries and Oceans CanadaUniversity of British ColumbiaBC Hydro (Canada)Institut National de la Recherche ScientifiqueUniversity of LethbridgeUniversité de MontréalUniversity of New BrunswickNalcor Energy (Canada)University of AlbertaMemorial University of NewfoundlandUniversity of WaterlooGovernment of CanadaCarleton University
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésHydropowerAquatic ecosystemEnvironmental resource managementGovernment (linguistics)BusinessEcosystemSustainabilityProcess (computing)Environmental scienceEnvironmental planningEngineeringEcologyComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract NSERC's HydroNet is a collaborative national five-year research program initiated in 2010 involving academic, government, and industry partners. The overarching goal of HydroNet is to improve the understanding of the effects of hydropower operations on aquatic ecosystems, and to provide scientifically defensible and transparent tools to improve the decision-making process associated with hydropower operations. Multiple projects are imbedded under three themes: 1) Ecosystemic analysis of productive capacity offish habitats (PCFH) in rivers, 2) Mesoscale modelling of the productive capacity offish habitats in lakes and reservoirs, and 3) Predicting the entrainment risk of fish in hydropower reservoirs relative to power generation operations by combining behavioral ecology and hydraulic engineering. The knowledge generated by HydroNet is essential to balance the competing demands for limited water resources and to ensure that hydropower is sustainable, maintains healthy aquatic ecosystems and a vibrant Canadian economy. Resumen NSERC's HydroNet es un programa nacional colaborativo de investigación a cinco años que inició en el año 2010 e involucra a los sectores académico, gubernamental e industrial. El objetivo general de HydroNet es comprender los efectos que tienen las operaciones hidroeléctricas en los ecosistemas acuáticos y ofrecer herramientas científicas defendibles y transparentes tendientes a mejorar los procesos en la toma de decisiones que están asociados al uso de la energía hidroeléctrica. Diversos proyectos se encuentran insertos en tres grandes tópicos: 1) análisis ecosistémico de la capacidad productiva de los habitats para peces (CPHP) en ambientes fluviales, 2) Modelación de meso-escala de la capacidad productiva de los habitats para peces en lagos y embalses, y 3) predicción del riesgo de arrastre de peces hacia los embalses hidroeléctricos, en función del poder generador de las operaciones, combinando la ecología conductual y la ingeniería hidráulica. El conocimiento generado por HydroNet es fundamental para evaluar el balance entre la demanda por recursos hídricos limitados, para asegurar que la energía hidroeléctrica sea sustentable, que promueva la salud de los ecosistemas acuáticos así como también a la pujante economía canadiense.

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)0,007
score de la tête « metaresearch » (Gemma)0,005
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,459

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,006

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 Opus0,043
Tête enseignante GPT0,276
Écart entre enseignants0,234 · 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
GenreAutre

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
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFisheriesMême sujetFish Ecology and Management StudiesTravaux en français237 207