MétaCan
Menu
Retour à la cohorte
Enregistrement W3204329404 · doi:10.18280/i2m.200406

Innovative Instrument for the Field Continuous Monitoring of Dissolved Gases in Environmental Studies

2021· article· en· W3204329404 sur OpenAlexvenueno aff
Eliot Chatton, Thierry Labasque, Aurélie Guillou, Paul Floury, Luc Aquilina, Virginie Vergnaud

Notice bibliographique

RevueInstrumentation Mesure Métrologie · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésBiogeochemical cycleEnvironmental scienceNoble gasChemistrySolubilityEnvironmental chemistryDissolved organic carbon

Résumé

récupéré en direct d'OpenAlex

Dissolved gases are particularly relevant tools for the investigation of environmental processes. Indeed, their solubility being a function of the variables of physical state of the medium (temperature, pressure, salinity), the dissolved noble gases are for instance good indicators of equilibrium conditions with the atmosphere and mixing of water bodies. Dissolved gases can also inform the biogeochemical functioning of natural systems by providing information on major processes such as photosynthesis, respiration or denitrification. Classical methods relying on the sampling, the storage and the ex situ analysis of water samples for the measurement of dissolved gases suffer from the difficulty of taking sufficiently frequent and representative samples as well as the analyte preservation. High-frequency in situ measurement of dissolved gases is therefore the most relevant for the study of environmental processes. The use of Membrane Inlet Mass Spectrometer (MIMS) technology provides access to high frequency measurements of a large set of dissolved gases in the field (He, Ne, Ar, Kr, Xe, N2, O2, CO2, CH4, N2O, H2) which offers a real opportunity for environmental studies.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 GPT0,339
Écart entre enseignants0,282 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstrumentation Mesure MétrologieMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207