MétaCan
Menu
Retour à la cohorte
Enregistrement W6958885999 · doi:10.6084/m9.figshare.c.3300101.v1

LAC CROCHE UNDERSTORY VEGETATION DATA SET (1998–2006)

2016· other· en· W6958885999 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2016
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvances in Cucurbitaceae Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUnderstoryTransectVegetation (pathology)Sampling (signal processing)Basal areaCanopyElevation (ballistics)Tree canopyTemperate rainforest

Résumé

récupéré en direct d'OpenAlex

The Lac Croche data set covers a nine-year period (1998–2006) of detailed understory vegetation sampling of a temperate North American forest located in the <i>Station de Biologie des Laurentides</i> (SBL), Québec, Canada. After having been submitted to logging in the late 19th and early 20th centuries followed by a major fire in 1923, the forest is currently in a transition state dominated by pioneer canopy tree species. The sampling design is based on the annual re-sampling of 43 permanent 400-m<sup>2</sup> plots along five transects running parallel to an elevation gradient from a lake (Lac Croche) to the top of a hill. Abundances of all understory vascular plants (tree seedlings, herbs, and shrubs) are included in the data set and are expressed either as absolute densities or cover classes, depending on life form. The location and elevation of each plot, as well as some key environmental descriptors such as slope, rockiness, canopy openness, age of the largest tree, basal area of mature trees, and a number of soil variables are also available. The Lac Croche data set should prove useful for testing hypotheses about forest vegetation dynamics at different scales, as well as to test new statistical tools developed for the analysis of the spatio-temporal variation of plant distributions. Sampling is ongoing, and new data will be added every year.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,991

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)0,0700,009

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 Opus0,100
Tête enseignante GPT0,384
Écart entre enseignants0,284 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetAdvances in Cucurbitaceae ResearchTravaux en français237 207