MétaCan
Menu
Retour à la cohorte
Enregistrement W4200386661 · doi:10.1139/er-2021-0078

Why do we monitor? Using seabird eggs to track trends in Arctic environmental contamination

2021· article· en· W4200386661 sur OpenAlexaffvenueabout
Kristin Bianchini, Mark L. Mallory, Birgit M. Braune, Derek C. G. Muir, Jennifer F. Provencher

Notice bibliographique

RevueEnvironmental Reviews · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensEnvironment and Climate Change CanadaAcadia UniversityBirds Canada
Organismes subventionnairesnon disponible
Mots-clésSeabirdArcticEnvironmental scienceEnvironmental monitoringThe arcticContaminationEcologyGeographyOceanographyBiology

Résumé

récupéré en direct d'OpenAlex

Contaminant levels and trends have been monitored in the eggs of seabirds from the Canadian Arctic since 1975. Nearly 50 years of monitoring have provided key information regarding the temporal and spatial variation of various contaminant classes in different seabird species. However, previous work has primarily assessed individual or related contaminant classes in isolation. There is therefore a need to collectively consider all of the contaminants monitored in seabird eggs to determine where monitoring has been successful, to find areas for improvement, and to identify opportunities for future research. In this review, we evaluated monitoring data for the major legacy and emerging contaminants of concern in five seabird species from three High Arctic and three Low Arctic colonies in Canada. We review the history of Canada’s Arctic seabird egg monitoring program and discuss how monitoring efforts have changed over time; we summarize temporal, spatial, and interspecies variations in Arctic seabird egg contamination and identify important knowledge gaps; and, we discuss future directions for ecotoxicology research using seabird eggs in Arctic Canada. Ultimately, this paper provides a high-level overview of the egg contaminant monitoring program and underscores the importance of long-term and continued seabird contaminant monitoring in Arctic Canada.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,024
Tête enseignante GPT0,286
Écart entre enseignants0,263 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations45
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetToxic Organic Pollutants ImpactTravaux en français237 207