MétaCan
Menu
Retour à la cohorte
Enregistrement W4394475385 · doi:10.6084/m9.figshare.3850767

Field Training with Plants: A Study on Sampling Populations and Communities of a Plant Species in Grasslands

2016· dataset· en· W4394475385 sur OpenAlexaboutno aff
Laura Nati

Notice bibliographique

RevueFigshare · 2016
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Sampling (signal processing)Field (mathematics)GeographyField trainingAgroforestryEnvironmental scienceAgricultural engineeringEcologyBiologyEngineeringMathematicsOperations management

Résumé

récupéré en direct d'OpenAlex

Methods: By randomly placing transect tape within the grasslands of Danby Woods, 50 individuals of a targeted plant species were sampled at specific distances on the transect for number of flowers, number of leaves, height, and whether it was located in a crowded patch of other plant species. Study Site: Danby Woods, York University, Toronto, ON, Canada. 43.7735° N, 79.5019° W. Study taken outdoors with a bit of rainfall and complete cloud cover. Hypothesis: There will be a correlation between plant height and surrounding density of other plant species because competition of nutrients between multiple plant species affects the ability of a single plant to grow and flourish. Predictions:1. The more crowded the target plant is by other plant species, the shorter it will be because as the nutrients are shared among many plants, the targeted plant species can only uptake a certain amount to sustain the plants life.2. The more crowded the target plant, the less number of leaves and flowers because it will be competing with other plants for nutrients which help produce more flowers and leaves.3. The targeted plant species will be taller, and produce more leaves and flowers in a less crowded area because they will not be competing for nutrients with many other plant species. Meta-data:1. distance (transect): Numerical and Discrete – Recorded distance traveled on a transect in meters to 50 targeted plant species which were sampled within a radius of 50 centimeters on each side of the transect to a maximum distance of 30 meters on the transect.2. height.of.plant.of.interest: Numerical and Continuous – Recorded plant height from ground level to tip of the tallest flower in centimeters using a measuring tape.3. total.number.of.leaves: Numerical and Continuous – On each plant, an average length stem was counted for number of leaves, and then that number was multiplied by the total number of stems on the whole plant itself to get the total number of leaves for each plant.4. total.number.of.flowers: Numerical and Continuous – Only counted purple flowers which were already bloomed and disregarded flower buds on targeted plant. 5. crowdness.around.plant.of.interest: Categorical and Ordinal – Assigned a ranking system of 0 (open), 1 (some plants nearby), 2 (quite a few plants), and 3 (very crowded bunch of plants) to signify the estimated density of the targeted plant’s environment within a 50 centimeter radius. Group Members: Matthew Fernandez, Rija Ghani, Niyousha Taati, Sarah Pecile

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)0,001
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 enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,138
Tête enseignante GPT0,285
Écart entre enseignants0,146 · 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 revueFigshareMême sujetRangeland and Wildlife ManagementTravaux en français237 207