MétaCan
Menu
← Retour à la cohorte
Enregistrement W4248008716 · doi:10.24908/iqurcp.8874

Post-Pollution: Characterizing Ecological Recovery in a Historically Nutrient Enriched Lake.

2018· article· en· W4248008716 sur OpenAlexvenueno aff
Iain MacKenzie

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPollutionAlgaeNutrientEnvironmental scienceNutrient pollutionSedimentEcologyLight pollutionWater pollutionAquatic ecosystemHydrology (agriculture)GeologyBiology

Résumé

récupéré en direct d'OpenAlex

An iconic story of recovery from nutrient pollution is the restoration of the heavily enriched Lake Washington in Seattle, Washington State. Originally an integral part of the municipal septic system, a diversion of wastewater in 1968 has allowed Lake Washington to return to what has been recently described as a natural and healthy state. Yet is it accurate to characterize a lake as “recovered” based purely on chemical measurements? Does a legacy of pollution linger on in the ecology of a lake system long after the lake has been given a clean bill of health?Using paleolimological reconstructive techniques it is possible to compare pre-pollution and post-pollution communities of algae by looking at microfossils stored chronologically in the lake-bottom sediment. Use of this technique has afforded a test of the assumption that once pollution stress in a lake is alleviated, the algal communities quickly return to the pre-pollution state. Work on Lake Washington indicates that this does not always hold true. Instead, it suggests that a legacy of pollution persists in the algae and ecological community of the lake long after the nutrient levels have returned to normal.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,050
Tête enseignante GPT0,311
Écart entre enseignants0,261 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference Proceedings→Même sujetAquatic Ecosystems and Phytoplankton Dynamics→Travaux en français237 207→