MétaCan
Menu
Retour à la cohorte
Enregistrement W3081953704 · doi:10.1080/10402381.2020.1805998

Preface: paleolimnology and lake management

2020· article· en· W3081953704 sur OpenAlexaff
Andrew M. Paterson, Dörte Köster, Euan D. Reavie, Thomas J. Whitmore

Notice bibliographique

RevueLake and Reservoir Management · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensMinistry of the Environment, Conservation and Parks
Organismes subventionnairesnon disponible
Mots-clésPaleolimnologyEnvironmental changeEnvironmental scienceEnvironmental resource managementClimate changeHydrology (agriculture)GeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Paterson AM, Köster D, Reavie ED, Whitmore TJ. 2020. Preface: paleolimnology and lake management. Lake Reserv Manage. 36:205–209. Paleolimnology uses information preserved in lake, river, and wetland sediments to understand past environmental conditions. Paleolimnologists access and analyze records of environmental change that have been temporally and spatially integrated over decades to centuries. These data provide a powerful complement to monitoring programs or shorter term studies that are unable to evaluate predisturbance conditions. The present-day environment is a product of the natural geologic setting and past human influences, and environmental stressors affect lakes over long time periods. Consequently, lake managers have recognized the value of paleolimnology for assessing long-term impacts from environmental stressors, and for establishing management baselines or reference conditions. This special issue on paleolimnology and lake management explores 7 examples from lakes across North America that show the value of paleolimnology in providing a long-term perspective on environmental change.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,314

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0940,047

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 Opus0,009
Tête enseignante GPT0,197
Écart entre enseignants0,188 · 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
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLake and Reservoir ManagementMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207