MétaCan
Menu
Retour à la cohorte
Enregistrement W2944583307 · doi:10.35298/pkc.2018.10

Establishing baseline limnological conditions in Baker Lake, Nunavut

2019· article· en· W2944583307 sur OpenAlexvenueaboutno aff
Neil Hutchinson, Kris Hadley, Richard Nesbitt, Luis Manzon

Notice bibliographique

RevuePolar Knowledge Aqhaliat Report · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and biodiversity studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBaseline (sea)LimnologyEnvironmental scienceGeographyPhysical geographyOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

The Baker Lake Cumulative Effects Monitoring Program — also known as “Inuu’tuti” — uses both western science and Inuit Qaujimajatuqangit. The program measures any changes in Baker Lake and the waters flowing into it. These changes can result from mining activities, the way the land is used, or the warming climate. Baker Lake is a typical large Arctic lake. It is cold, low in nutrients, has plenty of oxygen for fish, and metals are very low. This project measured baseline water quality in the lake during two open water surveys in August 2015 and 2017 and one under-ice survey in May 2016. Knowing the current conditions will help to understand changes in the future. Two items of concern for residents were measured: a “fishy” taste in the water; and a salty taste in the water. The fishy taste is likely caused by a type of golden algae. These microscopic plants release substances that create a “fishy” taste and odour in the water at certain times of the year. The salty taste is noticed when low lake levels and high tides or winds at Chesterfield Inlet allow ocean water to spill into Baker Lake. The ocean water mixes with surface waters, leading to a salty taste. This was also documented in a scientific study in 1965. The results of this project showed that there was always some ocean water at depth in the lake. However, the amount of ocean water and the depth it occurred at changed over the seasons and between years.

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,999

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,007

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 GPT0,251
Écart entre enseignants0,235 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2019
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revuePolar Knowledge Aqhaliat ReportMême sujetEcology and biodiversity studiesTravaux en français237 207