MétaCan
Menu
Retour à la cohorte
Enregistrement W4403628987 · doi:10.1016/j.ocecoaman.2024.107429

Identifying community practices in marine benthic data usage in Florida

2024· article· en· W4403628987 sur OpenAlexafffund
Vincent Lecours, Anna Braswell, Joy Hazell

Notice bibliographique

RevueOcean & Coastal Management · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesBedford Institute of OceanographyUniversité du Québec à ChicoutimiFlorida Institute of Oceanography
Mots-clésBenthic zoneOceanographyFisheryGeographyEnvironmental scienceBiologyGeology

Résumé

récupéré en direct d'OpenAlex

A significant proportion of Florida's population lives on the coast and is directly impacted by alterations to the coastal zone, weather disasters ( e.g. , hurricanes, erosion, flooding), or changes to ecosystem services. Data collected in Florida waters (including water quality, habitat health, bathymetry, and fisheries data) are important for the maintenance of coastal waters, communities, and ecosystems. Yet benthic data collected by a variety of stakeholders are often not shared or openly available, with little metadata to ease data reuse, and are often stored in incompatible formats. To assess the needs of government agencies, private companies, academic researchers, and data managers, we conducted a survey and organized an expert focus group to determine the current state of coastal and marine data usage and distribution in Florida. Through the survey, we asked participants to describe the types of data they use or collect, how they use that data, what limitations they encounter with data sharing, how and when they share their data, and what sorts of metadata standards they use in their work. We determined that many data producers and users are unaware of data standards and often do not follow best management practices for data collection and sharing. The sector of activity of the individual respondent (government, academic, non-profit) determined how data users were interacting with or collecting data and what standards they followed when sharing data. Our expert panel largely echoed our findings, with consistent, well-documented, and standardized datasets being the most important components for data integration in projects. To advance accessibility and reusability of benthic data, our project highlights the need for additional training of stakeholders on data standardization, collaboration and integration, which needs to be applied across institutions. A major need that was identified is tools that make data sharing and metadata creation easier and more efficient.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,013
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,074
Tête enseignante GPT0,296
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOcean & Coastal ManagementMême sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207