MétaCan
Menu
Retour à la cohorte
Enregistrement W6907713865 · doi:10.21966/r603-b338

Northwest Calvert sea wrack temporal data, Central Coast, British Columbia (2016-2017)

2016· dataset· en· W6907713865 sur OpenAlexaffabout

Notice bibliographique

RevueHakai Institute · 2016
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésTransectSeagrassBiomass (ecology)ProductivityShoreTemperate climate

Résumé

récupéré en direct d'OpenAlex

This dataset contains the collection site locations, visit dates, and weights of each species of shore cast algae or seagrass found during each site visit. Dead, shore-cast seaweeds and seagrasses (commonly called sea wrack) provide an important vector of marine-derived nutrients to low productivity terrestrial environments, such as beaches. However, little is known about the processes that facilitate wrack transport, deposition, and accumulation in coastal temperate British Columbia. Throughout the course of one year, I visited three sites on a bi-monthly basis to document temporal changes in wrack biomass and species composition. At each site, wrack was measured along 12 permanent 1-meter wide belt-transects. The transects ran perpendicular to the water's edge, originating at the forest-beach interface and extending to the ocean at low tide. I found wrack biomass to be similar throughout all four seasons, wrack species composition, however, varied. My results suggest sea wrack is a consistent vector of potential nutrients from the marine to the terrestrial environment in British Columbia. Detailed methods and conclusions in the MSc thesis found in the linked folder. Sara Wickham – University of Victoria, Brian Starzomski – University of Victoria; John Reynolds – Simon Fraser University; Chris Darimont – University of Victoria

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge 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 enseignants0,218
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0070,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,042

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 Opus0,034
Tête enseignante GPT0,271
Écart entre enseignants0,237 · 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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHakai InstituteTravaux en français237 207