MétaCan
Menu
Retour à la cohorte
Enregistrement W6931820053 · doi:10.5683/sp3/bmr1jt

Supplementary data for: Implementation of Dunaliella tertiolecta and Desmodesmus communis in a photobioreactor prototype for treatment of wastewater in a recirculating aquaculture system

2025· dataset· en· W6931820053 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2025
Typedataset
Langueen
DomaineComputer Science
ThématiqueSoftware Testing and Debugging Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPhotobioreactorWastewaterAquacultureSewage treatmentRecirculating aquaculture systemDunaliellaBioprocess

Résumé

récupéré en direct d'OpenAlex

This folder contains supplementary data for the manuscript "Implementation of Chlorophycean microalgae in a novel photobioreactor for treatment of wastewater in a recirculating aquaculture system". This manuscript is currently under review in Current Research in Biotechnology, and the record will be updated with publication details upon acceptance of the manuscript. This research aims to support the application of microalgae in photobioreactors for aquaculture wastewater treatment by describing a plate-based screening tool to assess algal growth under diverse wastewater conditions, and describes growth of a microalgal species within a photobioreactor prototype. Two microalgal strains were subjected to an array of inorganic nitrogen sources. The plate wells were subjected to fluorescence microscopy and cells were counted at daily intervals over a 5-day monitoring period. Growth was modelled using Poisson regression models and growth rates compared between species and treatment conditions. Additionally, one algal strain was grown in a prototype photobioreactor under varied conditions, and comparisons between conditions were performed. The data presented here represents the raw cell count data, summaries of growth, and associated growth parameters (Poisson model B1 (growth rate) and average cell counts) for these experiments, as well as the R script used for creation of the Poisson models and for data analysis and visualization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,152
Score d'incertitude au seuil0,508

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1520,095

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 Opus0,049
Tête enseignante GPT0,345
Écart entre enseignants0,296 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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 revueBorealisMême sujetSoftware Testing and Debugging TechniquesTravaux en français237 207