MétaCan
Menu
Retour à la cohorte
Enregistrement W6925053182 · doi:10.1594/pangaea.959408

Aggregated herbaceous layer projective vegetation cover at 32 sites in Northwestern Canada, in Summer 2022 (CA-Land_2022_NWCanada)

2023· dataset· en· W6925053182 sur OpenAlexaboutno aff

Notice bibliographique

RevuePublishing Network for Geoscientific and Environmental Data (PANGAEA) (Alfred Wegener Institute for Polar and Marine Research) · 2023
Typedataset
Langueen
DomaineComputer Science
ThématiqueDigital literacy in education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVegetation (pathology)QuadratTaigaBiomeBorealVegetation typeHerbaceous plantOrdination

Résumé

récupéré en direct d'OpenAlex

Vegetation surveys were carried out in Northwest Territories, Yukon and British Columbia in Canada. The study area is within the boreal forest biome and is partially underlain by permafrost soils. The aim was to record the projective ground vegetation in different boreal forest types studied during the CA-Land_2022_NWCanada field campaign in July and August 2022. The ground vegetation projective cover in percent was assessed within a circular forest plot of 15m radius. Depending on the heterogeneity of the forest plot, multiple vegetation types (VA, VB, or VC) were surveyed separately. The assignment of a vegetation type is always unique to a site. Up to four quadrats of 2x2 m were surveyed per vegetation type and projective cover in percent recorded separately for herbaceous and moss layers. All vegetation smaller than 40cm was recorded. Additionally, ground vegetation projective cover was surveyed in 4 rings of 50 cm width around the center of the circular forest plot. Average projective cover per plot was calculated by using an average weighted by vegetation types for each site. The ring survey data was not included in the plot average. In total 32 forest plots were investigated. All data were collected by scientists from the Alfred Wegener Institute, Helmholtz Centre for Polar and Marine Research (AWI) Germany, and the University of Potsdam Germany.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
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 enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,004
Science ouverte0,0020,003
Intégrité de la recherche0,0000,001
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 Opus0,054
Tête enseignante GPT0,287
Écart entre enseignants0,233 · 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.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublishing Network for Geoscientific and Environmental Data (PANGAEA) (Alfred Wegener Institute for Polar and Marine Research)Même sujetDigital literacy in educationTravaux en français237 207