MétaCan
Menu
Retour à la cohorte
Enregistrement W4210434773 · doi:10.1017/rdc.2021.105

MARINE ORGANIC CARBON AND RADIOCARBON—PRESENT AND FUTURE CHALLENGES

2022· article· en· W4210434773 sur OpenAlexaff
Ellen R. M. Druffel, Steven R. Beaupré, Hendrik Grotheer, Christian B. Lewis, Ann P. McNichol, Gesine Mollenhauer, Brett D. Walker

Notice bibliographique

RevueRadiocarbon · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésRadiocarbon datingDissolved organic carbonUltrafiltration (renal)Environmental chemistryTotal organic carbonParticulatesPyrolysisCarbon fibersAccelerator mass spectrometryFraction (chemistry)Extraction (chemistry)Carbon cycleOrganic matterChemistryEnvironmental scienceGeologyMaterials scienceChromatographyOrganic chemistryEcology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We discuss present and developing techniques for studying radiocarbon in marine organic carbon (C). Bulk DOC (dissolved organic C) Δ14C measurements reveal information about the cycling time and sources of DOC in the ocean, yet they are time consuming and need to be streamlined. To further elucidate the cycling of DOC, various fractions have been separated from bulk DOC, through solid phase extraction of DOC, and ultrafiltration of high and low molecular weight DOC. Research using 14C of DOC and particulate organic C separated into organic fractions revealed that the acid insoluble fraction is similar in 14C signature to that of the lipid fraction. Plans for utilizing this methodology are described. Studies using compound specific radiocarbon analyses to study the origin of biomarkers in the marine environment are reviewed and plans for the future are outlined. Development of ramped pyrolysis oxidation methods are discussed and scientific questions addressed. A modified elemental analysis (EA) combustion reactor is described that allows high particulate organic C sample throughput by direct coupling with the MIniCArbonDAtingSystem.

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)0,017
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,005
Communication savante0,0050,014
Science ouverte0,0040,004
Intégrité de la recherche0,0080,005
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,006
Tête enseignante GPT0,190
Écart entre enseignants0,185 · 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
GenreSynthèse

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

En bref

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiocarbonMême sujetIsotope Analysis in EcologyTravaux en français237 207