MétaCan
Menu
Retour à la cohorte
Enregistrement W2970337433 · doi:10.5751/es-11073-240322

Bright spots among lakes in the Rideau Valley Watershed, Ontario

2019· article· en· W2970337433 sur OpenAlexafffundvenueabout
Juno Garrah, Barbara Frei, Elena M. Bennett

Notice bibliographique

RevueEcology and Society · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInvertebrate Taxonomy and Ecology
Établissements canadiensMcGill University
Organismes subventionnairesWatershed Watch Salmon Society
Mots-clésWatershedGeographySpotsArchaeologyEnvironmental scienceBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Water quality, of critical importance to the ecological and social health of lake ecosystems, is maintained through complex interactions within lakes as well as between lakes and their watersheds.Often, water quality is managed by working toward improved water clarity, however, our ability to predict water clarity, and to manage lakes for it, is not always as successful as desired.Regional strategies for water clarity improvement often overlook the role of local environmental stewardship actions performed by lake associations on individual lakes across a region.Lake associations can act through directly altering biophysical drivers of clarity or the way that residents act within the system, demonstrating great potential to be incorporated into successful lake scale water quality management plans.We used a "bright spots" lens, in which we focus on those lakes whose water quality is higher than expected, to investigate the relationship between lake associations and water quality on 39 lakes in the Rideau Valley Lake Region (Ontario, Canada).We found that lake associations that are linked to "bright spot" lakes operate in a distinctly different way than other groups in the region, focusing on networking and advocacy activities instead of on ecological management.This points to the importance of working toward networking and advocacy goals as a future for lake stewardship groups in the Rideau Valley and other stewardship groups adapting this approach to their own social-ecological contexts.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,021
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,002
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,172
Écart entre enseignants0,162 · 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 source (Gemma direct ou Codex distillé), 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

Citations10
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetInvertebrate Taxonomy and EcologyTravaux en français237 207