MétaCan
Menu
Retour à la cohorte
Enregistrement W2890043857

Investigating the vulnerability of nearshore coastal communities in British Columbia to ocean acidification

2018· article· en· W2890043857 sur OpenAlexaboutno aff
Eleanor Simpson, Debby Ianson, Karen E. Kohfeld, Sarah Cooley, Murray B. Rutherford, Patrick Mahaux, Jennifer J. Silver, Yves Perreault, A. Comeau, Andrew Dryden, Nathan Habren, Keith Reid

Notice bibliographique

RevueWestern CEDAR (Western Washington University) · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOceanographyOcean acidificationVulnerability (computing)Environmental scienceGeographyVulnerability assessmentClimate changeGeologyPsychological resilience
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ocean acidification and reduced aragonite saturation states have been shown to negatively impact shellfish such as oysters, clams and mussels. These shellfish are commercially, socially and culturally important to coastal communities in British Columbia (BC). These organisms occupy nearshore regions, as do aquaculture operations. Ocean acidification may be amplified by a multitude of drivers in these regions. We aim to identify which BC communities are vulnerable to ocean acidification, at the municipality scale, using a multidisciplinary vulnerability assessment. We will use indicators of exposure, sensitivity and adaptive capacity to identify which BC communities are most vulnerable, which, when complete may assist in early and efficient adaptation and mitigation. We aim to produce a fine scale and highly tailored assessment for BC, by using indicators of sensitivity and adaptive capacity that are BC specific. We have collected and will use carbonate data from nearshore shellfish aquaculture sites in the Salish Sea, to provide a more realistic assessment of exposure than would have been achieved using coarse resolution ocean circulation models, which are not able to capture nearshore drivers of carbonate chemistry. Finally, we will compare our initial work with recent assessments in the neighbouring Washington State.

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 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 enseignants0,658
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,225
Écart entre enseignants0,201 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWestern CEDAR (Western Washington University)Même sujetOcean Acidification Effects and ResponsesTravaux en français237 207