MétaCan
Menu
Retour à la cohorte
Enregistrement W2470863921 · doi:10.14351/0831-4985-30.1.51

Cleaning protocol for mercuric chloride–contaminated herbarium cabinets at the Smithsonian Museum Support Center

2016· article· en· W2470863921 sur OpenAlexvenueno aff
Doug Fallon, Melinda Peters, Michael O. Hunt, Kirsten Koehler

Notice bibliographique

RevueCollection Forum · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueConservation Techniques and Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHerbariumMercury (programming language)ChlorideHealth hazardContaminationEnvironmental scienceEnvironmental chemistryWaste managementArchaeologyChemistryEnvironmental healthMaterials scienceEngineeringGeographyMetallurgyComputer scienceMedicineEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Mercuric chloride has been used to control insect and fungal infestations in natural history collections for the past two centuries. Due to health concerns, its use was discontinued in the mid-1980s, but specimens treated with mercuric chloride are commonly found in modern collections and present a hazard to collection staff and researchers. Cabinets used to store mercuric chloride–treated specimens also become contaminated with the substance and represent a source of exposure even after specimens are removed. A team at the US National Herbarium, in coordination with the Smithsonian’s Office of Safety, Health and Environmental Management, developed a protocol to clean herbarium cabinets that were contaminated with mercuric chloride. Cabinets were cleaned with 70% ethanol and laboratory wipes, and effectiveness was measured using a portable mercury vapor analyzer and surface wipe sampling. Cleaning with ethanol was found to be more effective than just removing treated specimens, but the differences in reduction of airborne and surface mercury concentrations were not statistically significant. This study provides important insight and guidance for museums seeking to eliminate legacy mercuric chloride contamination from their herbarium cabinets.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0050,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0310,011

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 Opus0,042
Tête enseignante GPT0,277
Écart entre enseignants0,235 · 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
GenreProtocole

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 sujetConservation Techniques and StudiesTravaux en français237 207