MétaCan
Menu
Retour à la cohorte
Enregistrement W2527540303 · doi:10.2298/abs160622087t

Comparison of the effectiveness of kick and sweep hand net and Surber net sampling techniques used for collecting aquatic macroinvertebrate samples

2016· article· en· W2527540303 sur OpenAlexaff
Bojana Tubić, Nataša Popović, Maja Raković, Ana Petrović, Vladica Simić, Momír Paunović

Notice bibliographique

RevueArchives of Biological Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFreshwater macroinvertebrate diversity and ecology
Établissements canadiensInstitute for Biological Sciences
Organismes subventionnairesnon disponible
Mots-clésSampling (signal processing)Environmental scienceAquatic ecosystemWater Framework DirectiveAquatic environmentEcologyWater qualityComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

The objective of this work is to analyze the effectiveness of two widely used methods for collecting aquatic macroinvertebrate samples: the semiquantitative kick and sweep (K&S) and quantitative Surber net (SN) techniques. Based on our data, the methods were fully comparable as regards analysis of the macroinvertebrate metrics most often used in ecological status assessment (sensitivity/tolerance parameters), while K&S was found to be more successful in the evaluation of biodiversity. Thus, both methods could be used for routine monitoring of the status of water bodies, according to the recommendation of the EU Water Framework Directive, while for research, K&S is more advanced. K&S is also more effective timewise for material collecting. SN sampling is a quantitative method and could thus be used in studies of aquatic ecosystem productivity.

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 candidatesÉtudes des sciences et des technologies
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 enseignants0,062
Score d'incertitude au seuil0,998

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 technologies0,0000,005
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,064
Tête enseignante GPT0,291
Écart entre enseignants0,227 · 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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Biological SciencesMême sujetFreshwater macroinvertebrate diversity and ecologyTravaux en français237 207