MétaCan
Menu
Retour à la cohorte
Enregistrement W2922140667 · doi:10.5194/essd-11-355-2019

A rare intercomparison of nutrient analysis at sea: lessons learned and recommendations to enhance comparability of open-ocean nutrient data

2019· article· en· W2922140667 sur OpenAlexafffundabout
Triona McGrath, Margot Cronin, Elizabeth Kerrigan, Douglas W.R. Wallace, Clynton Gregory, Claire Normandeau, Evin McGovern

Notice bibliographique

RevueEarth system science data · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensDalhousie University
Organismes subventionnairesOcean Frontier InstituteDalhousie UniversityEuropean Commission
Mots-clésComparabilityNutrientEnvironmental scienceTransectData qualityOceanographyOcean chemistryData setComputer scienceSeawaterEcologyMathematicsGeologyBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract. An intercomparison study has been carried out on the analysis of inorganic nutrients at sea following the operation of two nutrient analysers simultaneously on the GO-SHIP A02 trans-Atlantic survey in May 2017. Both instruments were Skalar San++ Continuous Flow Analyzers, one from the Marine Institute, Ireland and the other from Dalhousie University, Canada, each operated by their own laboratory analysts following GO-SHIP guidelines while adopting their existing laboratory methods. There was high comparability between the two data sets and vertical profiles of nutrients also compared well with those collected in 1997 along the same A02 transect by the World Ocean Circulation Experiment. The largest differences between data sets were observed in the low-nutrient surface waters and results highlight the value of using three reference materials (low, middle and high concentration) to cover the full range of expected nutrients and identify bias and non-linearity in the calibrations. The intercomparison also raised some interesting questions on the comparison of nutrients analysed by different systems and a number of recommendations have been suggested that we feel will enhance the existing GO-SHIP guidelines to improve the comparability of global nutrient data sets. A key recommendation is for the specification of clearly defined data quality objectives for oceanic nutrient measurements and a flagging method for reported data that do not meet these criteria. The A02 nutrient data set is currently available at the National Oceanographic Data Centre of Ireland: https://doi.org/10.20393/CE49BC4C-91CC-41B9-A07F-D4E36B18B26F and https://doi.org/10.20393/EAD02A1F-AAB3-4F4E-AD60-6289B9585531.

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)0,314
score de la tête « metaresearch » (Gemma)0,408
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,846

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3140,408
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0070,007
Études des sciences et des technologies0,0020,006
Communication savante0,0100,023
Science ouverte0,0190,012
Intégrité de la recherche0,0090,013
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,089
Tête enseignante GPT0,349
Écart entre enseignants0,260 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineReproductibilité
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

Citations17
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEarth system science dataMême sujetMarine and coastal ecosystemsTravaux en français237 207