MétaCan
Menu
Retour à la cohorte
Enregistrement W4412655435 · doi:10.1002/lom3.10711

Characterizing the response time of unpumped oxygen optodes for profiling applications

2025· article· en· W4412655435 sur OpenAlexafffund
Ellen Park, David Nicholson, Mathieu Dever, Dariia Atamanchuk, Clark Richards

Notice bibliographique

RevueLimnology and Oceanography Methods · 2025
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensFisheries and Oceans CanadaDalhousie UniversityBedford Institute of OceanographyBenbria (Canada)
Organismes subventionnairesDivision of Ocean SciencesDalhousie UniversityCooperative Institute for the North Atlantic RegionNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésProfiling (computer programming)OxygenEnvironmental chemistryEnvironmental scienceChemistryBiochemical engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The response times of the Aanderaa 4330, Aanderaa 4330 WTW, RBR coda T.ODO|slow, and PyroScience PICO‐O2‐SUB were evaluated in the laboratory over a range of profiling speeds at two temperatures. The PyroScience PICO‐O2‐SUB had the fastest response time (1–4 s), followed by the RBR coda T.ODO|slow (~ 15–35 s), Aanderaa 4330 (~ 30–60 s), and Aanderaa 4330W (~ 50–100 s). This study provides recommendations on improving the quality of oxygen data from optodes in profiling applications by additionally assessing the impact of response time testing setups, thermal inertia effects, and foil types on sensor response times. This study provides a new response time function based on physical principles to predict response time for these four optode types.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil0,332

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,331
Écart entre enseignants0,315 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLimnology and Oceanography MethodsMême sujetAnalytical Chemistry and SensorsTravaux en français237 207