MétaCan
Menu
← Retour à la cohorte
Enregistrement W2981429894 · doi:10.4095/287938

What's in a number

2011· report· en· W2981429894 sur OpenAlexaff
R A Klassen

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

In risk assessment, environmental and human health protection is informed by scientific knowledge of hazard. For earth materials, including bedrock and its overlying mantle of unconsolidated mineral particulate, risk for geochemical hazard is based on element concentrations - numbers, established in biological testing. In showing that hazard potential varies with mineralogy, and that mineral composition varies among geological terranes, geoscience shows that no single element concentration can establish a universal measure of acceptable risk in earth materials. Risk assessment requires knowledge of sample grain size and mineral partitioning among grain size fractions, as well as of the wet chemical digestion used for analyses. In showing how geology affects both the measure of risk and its interpretation, geoscience also shows that regulatory approaches must evolve to accommodate the natural variability that is an inherent characteristic of earth materials. As natural geochemical background variation - the reference level for industrial liabilities, originates in mineralogy, itsvariation may be simplified in terms of geological provenance, process, and past. For unweathered earth materials, geological maps and models establish a stable and deterministic reference framework for ecological hazard potential. With increase in weathering and soil formation, however, there is increasing need incorporate other natural sciences, including pedology and biology, in risk assessment.

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)0,007
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,471

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,004
Communication savante0,0110,015
Science ouverte0,0030,006
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,1410,063

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 Opus0,053
Tête enseignante GPT0,303
Écart entre enseignants0,250 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeavy metals in environment→Travaux en français237 207→