MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394460334 · doi:10.6084/m9.figshare.3850818

Field Sample Training with Plants - Sampling tree populations & communities with transects and trait sampling techniques

2016· dataset· en· W4394460334 sur OpenAlexaboutno aff
Vanessa Guo

Notice bibliographique

RevueFigshare · 2016
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransectSampling (signal processing)Sample (material)TraitField (mathematics)Training (meteorology)GeographyTree (set theory)StatisticsBiologyEcologyMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Methods: In order to sample the woodlot, a transect measuring tape was used to measure a straight line from the edge of the woodlot to the center. Every instance we encountered an adult tree that was twice our height, we recorded the distance from one tree to the next, the diameter at breast height (dbh) of each tree, and its condition (0=dead, 1=living, 2=huge green canopy). This data was recorded for 10 pairs of trees, which is 20 trees in total. Study Site:This study took place on September 22, 2016 in Danby Woods at York University Keele Campus, Ontario, Canada. The weather was very hot and sunny with a little bit of rain and approximately 25 °C. Transect measuring tapes were used as equipment and to make measurements with. Hypothesis: There is a correlation between the distance as you go into the center of the woodlot and the living condition of trees because in the center of the woodlot, there are less environmental disturbances such as wind, allowing those trees to live longer. Also, since there is less sunlight in the center, as other tree canopies act as shade, trees that already have grown prevent new trees from growing, so trees near the center of the woodlot are bigger and older and trees near the edge are smaller and younger. Predictions: 1) As you go deeper into the woodlot, there will be more trees that are huge green canopies because those trees are older and have been able to live long because of less disturbances compared to trees at the edge of the woodlot. 2) As you go deeper into the woodlot, trees will grow closer together and the distance between 2 trees will decrease because sunshine is limited and trees want to cluster to share the nutrients and sunlight. 3) As you go deeper into the woodlot, the diameter of tree at breast height will increase because the trees in the center are bigger and older. Metadata: Pair - Categorical - A pair of two trees were sampled and used to gather data. Distance apart (m) - Continuous - A transect measuring tape was used to measure the distance from one tree to the next tree encountered on the transect tape. Measurements were in meters. Dbh (cm) - Continuous - A measuring tape was used to measure the diameter at breast height of each tree encountered. Measurements were in centimeters. Condition - Categorical - The following scale was used to categorize the living condition of each tree encountered: 0=dead, 1=living, 2=huge green canopy. Condition was determined by visual observation. Group members: Krysten Zarivnij, Avani Abraham, Monica Matta

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)0,008
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,008

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 Opus0,134
Tête enseignante GPT0,292
Écart entre enseignants0,158 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetRangeland and Wildlife Management→Travaux en français237 207→