MétaCan
Menu
Retour à la cohorte
Enregistrement W6939597635 · doi:10.60825/h7gr-km16

Sediment grain size sampling and analysis within the Canadian Aquaculture Monitoring Program

2025· report· en· W6939597635 sur OpenAlexaffabout

Notice bibliographique

RevueFisheries and Oceans Canada / Pêches et Océans Canada - Publications · 2025
Typereport
Langueen
Domaine
Thématique
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésSedimentationSedimentSampling (signal processing)AquacultureDeposition (geology)Coulter counterGrain size

Résumé

récupéré en direct d'OpenAlex

The grain size distribution of the inorganic fraction of bottom sediment can be used to characterize aquaculture sites, assess changes in sedimentation resulting from aquaculture, and to study the transport and deposition of deleterious substances. This report provides science-based advice to the Aquaculture Monitoring Program (AMP) of Fisheries and Oceans Canada on best practices related to sampling methods, laboratory analysis, and data interpretation for sediment grain size (SGS). This report complements Milligan et al. (2024) that concluded that the Beckman Coulter LS 13 320 laser diffraction instrument (LS) should not replace the Coulter Counter (CC) within the AMP to determine if changes to SGS are occurring. The LS is unable to determine the amount of material deposited in flocs limiting it to site assessment and monitoring the accumulation of fine-grained inorganic sediment in individual areas. It does not have the ability to compare different regions. The LS would not be effective for developing a nationally consistent database nor to study and model the transport of deleterious substances. Due to the natural variation of SGS, annual sampling of surficial sediments is not recommended. Instead, cores with undisturbed sediment water interfaces should be collected to determine changes in sedimentation over time.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,007
Études des sciences et des technologies0,0030,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,036
Tête enseignante GPT0,282
Écart entre enseignants0,247 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission2
Résumé présentoui

Explorer davantage

Même revueFisheries and Oceans Canada / Pêches et Océans Canada - PublicationsTravaux en français237 207