MétaCan
Menu
Retour à la cohorte
Enregistrement W2102555522 · doi:10.1029/2007eo110003

Developing standards for dissolved iron in seawater

2007· article· en· W2102555522 sur OpenAlexaff
Kenneth S. Johnson, Virginia A. Elrod, Steve E. Fitzwater, Joshua N. Plant, Edward A. Boyle, Bridget A. Bergquist, Kenneth W. Bruland, Ana Aguilar‐Islas, Kristen N. Buck, Maeve C. Lohan, Geoffrey J. Smith, B. M. Sohst, Kenneth H. Coale, Michael Gordon, Sara J. Tanner, C. I. Measures, James W. Moffett, Katherine A. Barbeau, Andrew L. King, Andrew R. Bowie, Zanna Chase, Jay T. Cullen, Patrick Laan, William M. Landing, Jeffrey Mendez, Angela Milne, Hajime Obata, Takashi Doi, Lia Ossiander, Géraldine Sarthou, Peter N. Sedwick, Stan Van den Berg, Luis M. Laglera, Jingfeng Wu, Yihua Cai

Notice bibliographique

RevueEos · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSeawaterPhytoplanktonIron fertilizationEnvironmental scienceOceanographyEnvironmental chemistryChemistryNutrientGeology

Résumé

récupéré en direct d'OpenAlex

In nearly a dozen open‐ocean fertilization experiments conducted by more than 100 researchers from nearly 20 countries, adding iron at the sea surface has led to distinct increases in photosynthesis rates and biomass. These experiments confirmed the hypothesis proposed by the late John Martin [Martin, 1990] that dissolved iron concentration is a key variable that controls phytoplankton processes in ocean surface waters However, the measurement of dissolved iron concentration in seawater remains a difficult task [Bruland and Rue, 2001] with significant interlaboratory differences apparent at times. The availability of a seawater reference solution with well‐known dissolved iron (Fe) concentrations similar to open‐ocean values, which could be used for the calibration of equipment or other tasks, would greatly alleviate these problems [National Research Council (NRC), 2002[.

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)0,032
score de la tête « metaresearch » (Gemma)0,034
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,003
Science ouverte0,0060,005
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,016
Tête enseignante GPT0,249
Écart entre enseignants0,233 · 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
GenreMéthodes

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

En bref

Citations261
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEosMême sujetMarine and coastal ecosystemsTravaux en français237 207