MétaCan
Menu
Retour à la cohorte

Sherbo et al. 2023 Data Package. Data associated with study assessing effects of dissolved organic matter on phytoplankton productivity in boreal lakes. The majority of data was collected in 2018 at the IISD Experimental Lakes Area in Northwestern Ontario

2023· dataset· en· W6958138462 sur OpenAlexaboutno aff

Notice bibliographique

RevueEnvironmental Data Initiative · 2023
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhytoplanktonDissolved organic carbonPhotic zoneBiomass (ecology)ProductivityChlorophyll aThermoclineNutrientBoreal

Résumé

récupéré en direct d'OpenAlex

Allochthonous dissolved organic matter (DOM) structures many physical, chemical, and biological properties of lakes, including key variables that control productivity at the base of freshwater food webs. We examined phytoplankton biomass and productivity and their drivers, across eight pristine boreal lakes with DOM ranging from 3.5 to 9.5 mg DOC L-1. Increases in DOM were associated with significant increases in epilimnetic nitrogen, phosphorus and chlorophyll a (Chl a) concentrations suggesting that nutrients associated with DOM stimulate phytoplankton biomass and productivity. Such results were misleading; there was no significant relationship between Chl a and phytoplankton biomass measured via microscopy, and results did not incorporate the effects of DOM on thermocline and euphotic depth. Chl a:biomass and Chl a: carbon ratios indicated that increases in Chl a with DOM were driven by photo-acclimation to declining light availability. Increases. Further, increases in DOM led to large declines in thermocline (~50 %) and euphotic (~75 %) depths, and depth-integrated phytoplankton biomass and primary production (~70 %).

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)0,008
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,321

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0960,054

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 Opus0,067
Tête enseignante GPT0,307
Écart entre enseignants0,240 · 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
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 revueEnvironmental Data InitiativeTravaux en français237 207