MétaCan
Menu
Retour à la cohorte
Enregistrement W2465707090 · doi:10.14351/0831-4985-30.1.7

Arsenic and pre-1970s museum specimens: Using a hand-held XRF analyzer to determine the prevalence of arsenic at Naturalis Biodiversity Center

2016· article· en· W2465707090 sur OpenAlexvenueno aff
Rebecca B. Desjardins

Notice bibliographique

RevueCollection Forum · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArsenicMercury (programming language)ContaminationEnvironmental scienceBiodiversityArsenic contamination of groundwaterEnvironmental chemistryBiologyChemistryComputer scienceMaterials scienceMetallurgyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The use of arsenic in the preservation of biological specimens was common practice prior to 1970. Because the Naturalis Center for Biodiversity (Naturalis) has extensive collections from before 1950, it was suspected that it held many contaminated specimens. In 2013, Naturalis tested 220 objects for the presence of arsenic over a period of 2 days using a handheld x-ray fluorescence analyzer, which detects arsenic, lead, mercury, and some other metals on objects. This testing provides an estimate of the prevalence of contaminated specimens, as well as a way to determine whether arsenic had spread into noncollection areas. In addition to specimens, floors, desks, keyboards, gloves, elevators, and lab coats were tested for arsenic presence and quantity. The results indicate that mounted specimens do not spread large amounts of arsenic onto the surrounding areas. However, there was sufficient contamination to warrant concern such that the arsenic-handling policy was modified to include different categories of contamination. From this framework, policy and physical changes to the building were made to minimize exposure by collections staff and visitors.

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)0,001
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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,039
Tête enseignante GPT0,227
Écart entre enseignants0,188 · 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCollection ForumMême sujetCultural Heritage Materials AnalysisTravaux en français237 207