MétaCan
Menu
Retour à la cohorte
Enregistrement W6931956473 · doi:10.5683/sp3/li3tyy

3 Year Greenhouse Gas data (collected in field)

2023· dataset· en· W6931956473 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2023
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasFlame ionization detectorHydrology (agriculture)DetectorSampling (signal processing)Soil waterTemperate climate

Résumé

récupéré en direct d'OpenAlex

Read me: Publication: Soil greenhouse gas emissions and grazing management in northern temperate grasslands Contact Details: Please contact Ma Zilong at mazlong@mail.sysu.edu.cn and Bharat Shrestha at shresthabm@gmail.com if you have any further questions Methods: Growing season GHG fluxes were measured in the field bi-weekly from mid-August to mid-October in 2017, early May to mid-October in 2018, and early May to early September in 2019 using dark static chambers (65.5 × 17 × 15.5 cm height) at six random sampling points within a representative area of each study ranch. Ambient air samples(20 mL) were collected prior to placing the chamber-lids over the static chambers (ambient condition, t = 0) and again at 10, 20, and 30 min after placing the chamber-lid over the static chamber, using an airtight syringe (Norm-Ject, Henke Sass Wolf, Tuttlingen, Germany) through a rubber septum. Samples were then stored in pre-evacuated 12 mL soda glass Isomass Exetainers (Labco Limited, Lampeter, Wales, UK) to provide a positive pressure in the Exetainer. Collected gas samples were transported in dark boxes to the Forest Soil Laboratory at the University of Alberta, Edmonton, and were analyzed using a Varian CP-3800 gas chromatograph (Varian Canada, Mississauga, Canada) equipped with a thermal conductivity detector, a flame ionization detector and an electron capture detector for determining the CO2, CH4, and N2O concentrations, respectively.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,415
Score d'incertitude au seuil0,687

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 savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,334
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 tête enseignante, 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealisMême sujetCancer Research and TreatmentsTravaux en français237 207