MétaCan
Menu
Retour à la cohorte
Enregistrement W6966947535 · doi:10.5063/f1833qfm

Measured and modeled methane concentration and diffusive methane fluxes at Lake Janauacá (Brazil) between February 2015 and August 2016.

2023· dataset· en· W6966947535 sur OpenAlexaff

Notice bibliographique

RevueUC Santa Barbara · 2023
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésMethaneBiogeochemical cycleFlux (metallurgy)Methane emissionsArcticHydrology (agriculture)

Résumé

récupéré en direct d'OpenAlex

The dataset contains 14 Excel files of data corresponding to Figures 3 to 6 and Figures S1 to S10 in the support information in ‘Linking biogeochemical and hydrodynamic processes to model methane fluxes in shallow, tropical floodplain lakes’. The dataset covers measured data, simulation results by the Arctic Lake Biogeochemical Model (ALBM) and simulation results by the 3-Dimensional coupled Hydrodynamic-Aquatic Ecosystem Model (AEM3D) during the simulation periods in the manuscript. The AEM3D results were prepared as part of the input data of ALBM. The dataset includes: 1. Profiles of dissolved oxygen concentrations measured by moored sensors every 10 minutes and corresponding ALBM simulated profiles of dissolved oxygen concentrations. 2. Methane concentrations sampled manually at intermittent times during each simulation period, and corresponding ALBM simulated methane concentrations. 3. ALBM simulated methane concentrations at 5-minute intervals.4. Diffusive methane fluxes measured by chambers collecting methane gas during the period of deployment and expressed as total emitted per hour, and ALBM simulated diffusive methane fluxes computed as the total flux per hour and assigned to the time at the end of each hour. 5. Measured and AEM3D simulated temperature profiles averaged to 5-minute intervals.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,150
Score d'incertitude au seuil0,298

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,006

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 Opus0,028
Tête enseignante GPT0,295
Écart entre enseignants0,267 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUC Santa BarbaraTravaux en français237 207