Foreword: A summary of recent research on “Connecting Waters,” a special section of the Journal of Great Lakes Research
Notice bibliographique
Résumé
This special section highlights interjurisdictional and multidisciplinary approaches to research and management of natural resources in Great Lakes connecting waters (i.e., St. Marys River, Straits of Mackinac, St. Clair-Detroit River System (SCDRS), Niagara River, and St. Lawrence River). Historically, these systems possessed pristine water quality and resources that supported Indigenous communities and offered numerous archipelagoes, reefs, embayments, wetlands, and tributaries that provided vast amounts of habitat for people, fish, and wildlife. The riparian lands adjacent to these channels were desirable to European settlers who required water for large-scale transportation and industry. Over time, this led to degraded water quality and habitat loss from development, urbanization, industry and associated pollutants, hardened shorelines, flow regulation, and channel modification. Healthy relationships with, and recovery of, resources in connecting waters involves interjurisdictional cooperation and collaboration. This special section presents papers from the 2024 IAGLR Conference on Great Lakes Research in the “Water Quality, Ecosystem Services, and Beneficial Uses of Great Lakes Connecting Waters” session, and other relevant submitted papers, that showcase updates on status and concerns of water quality, contaminants, food webs, fish populations, and habitats, as well as socio-economic, physical, and biological assessments. This special section builds upon past work on Great Lakes connecting waters and highlights the ongoing research and attempts to manage environmental restoration activity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,021 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».