MétaCan
Menu
Retour à la cohorte
Enregistrement W4256458818 · doi:10.1139/f00-081

An evaluation of alternative procedures using the Bou-Rouch method for sampling hyporheic invertebrates

2000· article· en· W4256458818 sur OpenAlexvenueno aff
Gary W. Hunt, Emily H. Stanley

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpecies richnessInvertebrateSTREAMSHyporheic zoneTaxonVolume (thermodynamics)HydrobiologySampling (signal processing)Environmental scienceSedimentEcologySample (material)Hydrology (agriculture)BiologyChemistryGeologyAquatic environmentPaleontologyChromatographyPhysics

Résumé

récupéré en direct d'OpenAlex

This study assesses the influence of well design, pumping rate, and sample volume on hyporheic invertebrate density and richness estimates in three streams differing in sediment composition. A comparison of five well designs, i.e., temporary wells with no pores and with 4-, 6-, and 8-mm pores along the lower 15 cm and permanent wells with 6-mm pores, revealed no significant differences in either total invertebrate densities or taxon richness. Pumping rates, i.e., 1.5 versus 4 L·min-1, significantly affected density estimates at two streams and taxon richness at one of the three streams, shown by higher values at the faster pumping rate. A comparison of five sample volume sizes, i.e., 0.5, 1.0, 1.5, 2.0, and 2.5 L, indicated that smaller sample volumes produced significantly higher estimates of density, while larger sample volumes gave significantly higher estimates of taxon richness. These results underscore the importance of maintaining consistent pumping rates and sample volume sizes throughout the course of a study.

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)0,031
score de la tête « metaresearch » (Gemma)0,057
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,057
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,002
Communication savante0,0010,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,065
Tête enseignante GPT0,312
Écart entre enseignants0,248 · 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

Citations27
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207