Lab 2: Techniques & data: field training with plants (traits, transects, and quadrats) DATASET 1
Notice bibliographique
Résumé
To measure plant diversity in locations around campus, n = 25 quadrats (1m x 1m) were randomly placed in the grasslands around Stong Pond at York University (43°46'13.2"N 79°30'25.9"W) on September 23rd 2014 from approximately 4:00pm to 4:30pm. The weather was party cloudy with a temperature between 20 and 25 degrees Celsius. To begin the sampling procedure, the first quadrat was randomly placed in an area along the grassland boundary. Subsequent quadrats were randomly sampled by walking 5-10 steps in a random direction from the last quadrat placed until another boundary of the grassland was reached. Once a boundary was reached a new sample area in the grassland was randomly chosen by walking 30m from the previous sample area and the process was repeated until n=25 plots were sampled. The total number of plants along with the number of species, vegetation coverage and grass coverage were estimated for each sample. Number of plants were counted by observing the amount of unique stems in the sample. Species were differentiated based on morphological characterstics using an identification key. Coverage was estimated using the observed percentages of the total sample area occupied by the plants of interest and grass, respectively. At the time of sampling, the most abundant species included the following: Common Milkweed (Asclepias syriaca), Canadian Goldenrod (Solidago canadensis) and Late Purple Aster (Aster prenanthoides). Note: Definitions of variables are located in column C of the Meta sheet
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,066 |
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 ».