Community Monitoring of Environmental Change: College-Based Limnological Studies at Crazy Lake (Tasirluk), Nunavut
Notice bibliographique
Résumé
In light of the difficult logistics and high cost of polar research into climate change, involvement of local people can contribute immensely to important data collection. One can use the knowledge and skills of human resources that are already present—teachers, students, and community members. An example is the long-term Arctic monitoring program established at Crazy Lake (63°51' N, 68°28' W) near Iqaluit, Nunavut, to monitor snow and ice thickness, biological components, and water chemistry. Nunavut Arctic College students collected basic limnological data at Crazy Lake during spring field camps held between 10 and 16 April in 2005 and 2006. Mean snow depth ± SD for Crazy Lake was 0.46 ± 0.13 m (n = 24). White ice averaged 0.13 ± 0.12 m and black ice 1.38 ± 0.28 m. Total ice thickness (white ice + black ice) ranged between 0.91 and 1.91 m (mean = 1.51 ± 0.22 m). The total lake cover (snow + ice) averaged 1.97 ± 0.20 m. Water depth ranged from 1.48 to 18.58 m (mean = 10.10 ± 4.99 m).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».