MétaCan
Menu
Retour à la cohorte
Enregistrement W2109974716 · doi:10.1051/e3sconf/20130130003

Ecological Risk Assessments of Metal-containing Substances under Canada’s Chemical Management Plan

2013· article· en· W2109974716 sur OpenAlexaffabout
Jean-Philippe Gauthier, Anne Y. Gosselin, M. Eggleton

Notice bibliographique

RevueE3S Web of Conferences · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésMoietyAction planRisk assessmentCategorizationEnvironmental scienceChemistryEcologyComputer scienceBiologyOrganic chemistryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

There are approximately 3,000 metal-containing substances on Canada’s Domestic Substances List (DSL). Approximately one third of these substances were identified for further action by the categorization of the DSL, a priority setting exercise completed in 2006 which was based on ecological and human health considerations. Subsequently, the first phase of the Chemicals Management Plan (CMP) was initiated and included activities such as the Challenge initiative to conduct screening assessments on the highest priority chemicals, including a few metal-containing substances. However, to assess the remaining elevated number of metal-containing substances identified as priorities (∼1000) in the next phases of the CMP and that by 2020, a process for finding efficiencies was established. For the risk assessment and risk management of metal-containing substances, efficiencies can be achieved by using a moiety-based approach in which all substances that contain a common metal moiety are assessed simultaneously as a group. This approach also allows for consideration of incidental releases of a given metal. Because ecological concerns were identified during the Challenge for cobalt, an early metal-moiety assessment is being undertaken in the second phase of the CMP for this metal. This work has been initiated and the draft screening assessment is expected to be published in November 2013.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,305

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0030,001
Communication savante0,0040,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,023
Tête enseignante GPT0,265
Écart entre enseignants0,242 · 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'étudeObservationnel
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

Citations2
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207