MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394530052 · doi:10.6084/m9.figshare.12962612

Nutrient budgets calculated in floodwaters using a whole-ecosystem reservoir creation and flooding experiment

2021· dataset· en· W4394530052 sur OpenAlexaboutno aff
Ceara J. Talbot, Michael J. Paterson, Kenneth G. Beaty, Richard A. Bodaly, Marguerite A. Xenopoulos

Notice bibliographique

RevueFigshare · 2021
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlooding (psychology)Environmental scienceEcosystemHydrology (agriculture)NutrientWater floodingWater resource managementEcologyPetroleum engineeringGeologyGeotechnical engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Data collected during the FLooded Upland Dynamics EXperiment (FLUDEX) at the IISD-Experimental Lakes Area (ELA) in northwestern Ontario, where three upland boreal forest sites were flooded to create experimental reservoirs. Sites were categorized as low, medium, and high carbon based on carbon stored in vegetation, litter, and soil. Measured water budget components for each reservoir include water pumped into each reservoir (inflow), water exiting over weirs, runoff, and direct precipitation inputs. Water chemistry components measured during the experiment include total dissolved nitrogen (TDN), particulate nitrogen (PN), total dissolved phosphorus (TDP), and particulate phosphorus (PP). These components were measured in water pumped into reservoirs (inflow), runoff, water exiting reservoirs over weirs, and within each reservoir at multiple depths in the water column. Other measured components include dissolved oxygen (DO) and water temperature. Nitrogen (N) and phosphorus (P) content in periphyton was also measured to estimate nutrients stored in reservoirs.

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)0,003
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 enseignants0,097
Score d'incertitude au seuil0,194

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
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)0,0120,008

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 Opus0,027
Tête enseignante GPT0,262
Écart entre enseignants0,235 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetSoil and Water Nutrient Dynamics→Travaux en français237 207→