An ensemble machine learning bioavailable strontium isoscape for Eastern Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bioavailable strontium isotope ratios ( 87 Sr/ 86 Sr) distribution across the landscape mainly follow the underlying lithology, making 87 Sr/ 86 Sr baseline maps (isoscapes) powerful tools for provenance studies. 87 Sr/ 86 Sr has already been used in Eastern Canada (EC) to track food and human remains origins, or to reconstruct animal mobility. While bioavailable 87 Sr/ 86 Sr isoscapes for EC can be extrapolated from global datasets using random forest modelling (RF), no regionally calibrated isoscape exists. Here, we produce a regionally calibrated bioavailable 87 Sr/ 86 Sr isoscape by analysing plants collected at 136 sites across EC, incorporating updated geological variables and applying a novel ensemble machine learning (EML) framework. We generated and compared isoscapes generated by the traditional RF and the EML approaches. Adding local bioavailable 87 Sr/ 86 Sr to a global dataset significantly improved the model prediction with a drastic increase of predicted 87 Sr/ 86 Sr and increased spatial uncertainty in the northern Canadian craton. EML produced similar 87 Sr/ 86 Sr predictions but with tighter spatial uncertainty distribution. Regionally calibrated RF and EML isoscapes significantly outperformed the global bioavailable RF isoscape, confirming the requirement for collecting local data in data-poor regions. This isoscape provides a baseline in EC to monitor and manage the movements and provenance of agricultural products, natural resources, endangered/harmful migratory species, and archaeological human remains and artifacts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle