MétaCan
Menu
← Retour à la cohorte
Enregistrement W4309596027 · doi:10.15485/1898913

WHONDRS Surface Water Chemistry and Organic Matter Characterization along the St. Lawrence River's Inland to Coastal Gradient, Eastern North America (v2)

2022· dataset· en· W4309596027 sur OpenAlexaffabout
Brianna I. Gonzalez, Rosalie Chu, Brieanne Forbes, Vanessa Garayburu‐Caruso, Elizabeth Grater, Amy Goldman, François Guillemette, Leigh J. McGaughey, Sophia McKever, Lupita Renteria, Silvia Rodríguez, Jeffrey J. Ridal, Jason Toyoda, James Stegen

Notice bibliographique

RevueOSTI OAI (U.S. Department of Energy Office of Scientific and Technical Information) · 2022
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensSt. Lawrence River Institute of Environmental SciencesUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésOrganic matterCharacterization (materials science)Surface waterOceanographyHydrology (agriculture)Environmental scienceGeologyPhysical geographyGeographyChemistryGeotechnical engineeringMaterials scienceEnvironmental engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

This dataset supports a broader study examining the inland (Lake Ontario) to coastal (North Atlantic Ocean) geochemistry gradient along the St. Lawrence River in Canada and the United States. The St. Lawrence River is unique in that it contains the convergence of multiple water masses with distinct water signatures that mix only slightly as the river flows downstream. The dataset provides dissolved organic carbon (DOC) and organic matter characterization data generated from surface water. Samples were collected by researchers on board the Lampsilis research vessel (l’Université du Québec à Trois-Rivières) and small boats (St. Lawrence River Institute of Environmental Sciences, Cornwall) at 94 locations across and along the St. Lawrence River to capture longitudinal and transverse variation. Related data were collected and will be published separately in collaboration with the MicrEAU Laboratory (François Guillemette; l’Université du Québec à Trois-Rivières) and the Exploration of Coastal Hydrobiogeochemistry Across a Network of Gradients and Experiments (EXCHANGE) program. This dataset is comprised of one main data folder containing (1) file-level metadata; (2) data dictionary; (3) field metadata; (4) dissolved organic carbon (DOC, measured as non-purgeable organic carbon, NPOC) data (5) surface water sampling protocol; (6) readme; (7) methods codes; (8) international geo-sample number (IGSN) mapping file; and (9) folder of high resolution characterization of organic matter via 12 Tesla Fourier transform ion cyclotron resonance mass spectrometry (FTICR-MS) through the Environmental Molecular Sciences Laboratory (EMSL; https://www.pnnl.gov/environmental-molecular-sciences-laboratory). The FTICR folder contains two subfolders, one containing the .xml data files and the other containing instructions for using Formularity (https://omics.pnl.gov/software/formularity) and an R script to process the data based on the user's specific needs. All files are .csv, .pdf, .R, .ref, or .xml. The data package was originally published in November 202. It was updated in April 2025 (v2; modified files). See the change history section in the readme for details.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,918

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,012

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 GPT0,176
Écart entre enseignants0,170 · 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
GenreJeu de données

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOSTI OAI (U.S. Department of Energy Office of Scientific and Technical Information)→Même sujetMarine and coastal ecosystems→Travaux en français237 207→