MétaCan
Menu
Retour à la cohorte
Enregistrement W2473789786 · doi:10.1111/fwb.12795

Lake Name or Name Lake? The etymology of lake nomenclature in the United States

2016· article· en· W2473789786 sur OpenAlexaffabout
Beatrix E. Beisner, Cayelan C. Carey

Notice bibliographique

RevueFreshwater Biology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésNomenclatureEcoregionTributaryGeographySpecies nameToponymyEcologyPhysical geographyArchaeologyTaxonomy (biology)BiologyCartography

Résumé

récupéré en direct d'OpenAlex

Summary The rationale for the naming of lakes has often puzzled limnologists. This problem is especially apparent in North America because the nomenclature of lakes across the continent appears to be variable, with ‘Name Lake’ occurring frequently, such as in Trout Lake, but also ‘Lake Name’, as in Lake Sunapee. We examined the potential drivers of lake naming patterns using the U.S. EPA National Lakes Assessment database of c . 1000 lakes chosen in a randomised, stratified design. Potential drivers included major limnological characteristics and geographical position relative to European settlement patterns. Of a list of 814 lakes with this binary nomenclature, almost 20% had a Lake Name, with the other 80% being a Name Lake. Across the U.S.A., lakes with larger surface areas were more likely to have a Lake Name, but there was no significant relationship between nomenclature and maximum depth. Examining naming patterns by EPA ecoregion and by state revealed that Lake Names were more common in the southern states and along the eastern seaboard, regardless of their surface area. Analysis of available databases of lake nomenclature in Europe and Canada suggests that these geographical shifts in lake names may be due to the main European colonist source countries that settled these regions, with Lake Name predominating in countries where Gaelic and Romance linguistic influences were strongest.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFreshwater BiologyMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207