MétaCan
Menu
Retour à la cohorte
Enregistrement W2157094762 · doi:10.1098/rspb.2014.2449

The jellification of north temperate lakes

2014· article· en· W2157094762 sur OpenAlexaffabout
Adam Jeziorski, Andrew J. Tanentzap, Norman D. Yan, Andrew M. Paterson, Michelle E. Palmer, Jennifer B. Korosi, James A. Rusak, Michael T. Arts, Wendel Keller, Ron Ingram, Allegra Cairns, John P. Smol

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensLaurentian UniversityToronto Metropolitan UniversityMinistry of the Environment, Conservation and ParksWilfrid Laurier UniversityUniversity of OttawaYork UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésTemperate climateGeographyEnvironmental scienceOceanographyEcologyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Calcium (Ca) concentrations are decreasing in softwater lakes across eastern North America and western Europe. Using long-term contemporary and palaeo-environmental field data, we show that this is precipitating a dramatic change in Canadian lakes: the replacement of previously dominant pelagic herbivores (Ca-rich Daphnia species) by Holopedium glacialis, a jelly-clad, Ca-poor competitor. In some lakes, this transformation is being facilitated by increases in macro-invertebrate predation, both from native (Chaoborus spp.) and introduced (Bythotrephes longimanus) zooplanktivores, to which Holopedium, with its jelly coat, is relatively invulnerable. Greater representation by Holopedium within cladoceran zooplankton communities will reduce nutrient transfer through food webs, given their lower phosphorus content relative to daphniids, and greater absolute abundances may pose long-term problems to water users. The dominance of jelly-clad zooplankton will likely persist while lakewater Ca levels remain low.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,419

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,026
Tête enseignante GPT0,232
Écart entre enseignants0,206 · 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

Citations83
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207