Insects caught and identified using a sweep net in the Danby Woodlot
Notice bibliographique
Résumé
The data collection was situated in the Danby woodlot located at York University in Toronto. The conditions on the day of the data collection was overcast with temperatures around 19 degree celcius. The data was collected on Monday September 28th from 2:30pm to 5:30pm. The group members that assisted in the data collection were Antoni and Amina. We travelled to the grassland area of the woodlot to place down a transect of 30 meters. The grass area had larger plant and vegetation as well as long grass. The transect was placed using a random number generator to decide how many steps would be taken from a designated starting point until the transect was placed down. The transect was then walked for 15 meters by the researcher, as a group member timed the data collection for 90 seconds. A sweep net was used to catch as many insects as possible. The sweep net is used by sweeping the net close to the grassland floor back and forth quickly. After 90 seconds the amount of insects in the net was recorded and the number of different species was also recorded. The different species were vaguely identified in order to exhibit their differences. The insects were then released and the trial was repeated. For each trial half the transect was used therefore after every second trial the transect was randomly moved to a new location in the grassland. This collection was done to master the use of the sweeping net and to document the amount of insects that could be caught using it.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».