MétaCan
Menu
Retour à la cohorte
Enregistrement W3102924966

Mercury Risk Evaluation, Risk Management and Risk Reduction Measures in the Arctic (ARCRISK) – Inception Report

2020· article· en· W3102924966 sur OpenAlexaboutno aff
Cathrine Brecke Gundersen, Hans Fredrik Veiteberg Braaten, Eirik Hovland Steindal, S. Jannicke Moe, E. V. Yakushev, Guttorm Christensen, Jane L. Kirk, Holger Hintelmann, Natalia Frolova, Petr Terentjev, Sarah J. Roberts

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)Risk managementRisk assessmentEnvironmental scienceRisk analysis (engineering)BusinessComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The project “Risk evaluation, risk reduction and risk management action plans for mercury in the Arctic – a circumpolar management approach” (ARCRISK) has been developed to address mercury pollution in the Arctic. The main objective is to develop an action plan with targeted risk reduction measures for mercury releases from key sources to land and water in the Arctic. The action plan will cover key sources from each of the four selected case study river catchment basins in Canada (1), Norway (1), and Russia (2). The ARCRISK project team consists of experts from nine highly skilled research institutes, universities and other institutions, from Canada, Norway, Russia and USA. An inception workshop was held in Oslo in March 2020 to consolidate the team and collectively develop the project framework. The present report summarizes key deliberations and decisions made as part of the inception phase, to further operationalize the project, making detailed plans and decisions for implementation of the project in 2020-2022. In addition to the components described in the inception report, the framework also includes an updated budget and a workplan for implementation of WP2-6.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,161
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,057
Tête enseignante GPT0,298
Écart entre enseignants0,241 · 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 tête enseignante, 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetMercury impact and mitigation studiesTravaux en français237 207