MétaCan
Menu
Retour à la cohorte
Enregistrement W6889751929 · doi:10.25976/pefk-dj94

Sturgeon River Watershed Aquatic Ecosystem Assessment

2025· dataset· en· W6889751929 sur OpenAlexaboutno aff

Notice bibliographique

RevueDataStream · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWatershedAquatic ecosystemLake sturgeonWater qualityAcipenserEcosystemWatershed managementSampling (signal processing)Hydrology (agriculture)

Résumé

récupéré en direct d'OpenAlex

The North Saskatchewan Watershed Alliance (NSWA) is responsible for making watershed management recommendations to local watershed partners and the Government of Alberta. The Sturgeon River (SR) is one of the 12 sub-watersheds within the larger North Saskatchewan River (NSR) watershed. Although the SR watershed covers a relatively large portion of the NSR watershed, comprehensive information regarding the aquatic ecosystem is not available. Thus, the North Saskatchewan Watershed Alliance (NSWA) commissioned CPP Environmental to conduct this survey to create a baseline and status regarding the aquatic ecosystems along the SR. The scope of this project included multiple ecosystem components, including water quality, physical habitat, macroinvertebrate community, and fish community. The purpose of measuring all of these components is to obtain a comprehensive view of the SR aquatic ecosystems, which each are communities of living organisms and their physical and chemical environment. The Sturgeon River (SR) was surveyed at twelve sampling stations distributed throughout the length of the river, as well as the main tributaries. At each sampling station on the SR, physical habitat, water quality, vegetation, fish, and macroinvertebrate surveys took place. In the tributaries, only water quality was measured. Water quality variables analyzed included nutrients (phosphorus and nitrogen), dissolved oxygen, suspended solids, pesticides, metals, and salts.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,012
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,013

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 Opus0,014
Tête enseignante GPT0,296
Écart entre enseignants0,282 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDataStreamTravaux en français237 207