MétaCan
Menu
Retour à la cohorte
Enregistrement W6907113252 · doi:10.18739/a2j09w54g

Arctic Great Rivers Observatory III Biogeochemistry and Discharge Data, 2017-2019

2020· dataset· en· W6907113252 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueCalifornia Digital Library · 2020
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésArcticBiogeochemistryThe arcticObservatoryPermafrostHydrology (agriculture)

Résumé

récupéré en direct d'OpenAlex

The PARTNERS (Pan-Arctic River Transport of Nutrients, Organic Matter, and Suspended Sediments) and Arctic-GRO (Great Rivers Observatory) projects sample the biogeochemistry of the six largest rivers draining to the Arctic Ocean: the Yenisey, Ob', Lena, and Kolyma Rivers in Siberia and the Yukon and Mackenzie Rivers in North America. To the greatest extent possible, sample collection techniques are identical across rivers. Once collected, samples are returned to Woods Hole, MA, from where they are shipped to expert laboratories for analyses. The Arctic Great Rivers Observatory III (Arctic-GRO III; NSF-OPP-1602615) Project spans the years between 2017 and 2019, and continues a sample collection effort that has been ongoing since 2004. On each river, samples are collected bi-monthly (six times per year), with target sampling months alternating between years. Full field and laboratory details for Arctic GRO III can be found in the "Sample Collection and Analyses" document on this page. For real-time updates of the Arctic GRO dataset, please visit www.arcticgreatrivers.org/data.

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 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)0,000
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 enseignants0,101
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0160,014

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 Opus0,038
Tête enseignante GPT0,215
Écart entre enseignants0,177 · 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