MétaCan
Menu
Retour à la cohorte
Enregistrement W2734544065 · doi:10.1007/s00244-016-0355-8

Challenges to Oil Spill Assessment for Seabirds in the Deep Ocean

2017· article· en· W2734544065 sur OpenAlexafffund
J. Christopher Haney, Patrick G. R. Jodice, William A. Montevecchi, David C. Evers

Notice bibliographique

RevueArchives of Environmental Contamination and Toxicology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBureau of Ocean Energy Management
Mots-clésEnvironmental scienceOil spillMarine pollutionPopulationOil pollutionPollutionFisheryOceanographyEnvironmental protectionEcologyEnvironmental healthBiologyGeology

Résumé

récupéré en direct d'OpenAlex

We synthesize impediments for evaluating effects to seabirds from open ocean hydrocarbon releases. Effects on seabirds from ship discharges, spills, and well blowouts often are poorly detected and monitored far from land. Regulatory regimes for ocean spills can result in monitoring efforts that are not entirely transparent. We illustrate how interdisciplinary technologies address deficits that hamper individual or population level assessments for seabirds, and we demonstrate where emerging technologies might be engaged to bridge gaps in oil spill monitoring. Although acute mortality from direct oil exposure poses the greatest risk to seabirds, other hazards from light-attraction, flaring, collisions, chronic pollution, and hydrocarbon inhalation around oil infrastructure also may induce bird mortality in the deep ocean.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,950
Score d'incertitude au seuil0,276

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,016
Tête enseignante GPT0,271
Écart entre enseignants0,255 · 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.

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

Citations20
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArchives of Environmental Contamination and ToxicologyMême sujetOil Spill Detection and MitigationTravaux en français237 207