LWF Community Based Monitoring Program
Notice bibliographique
Résumé
Across Canada, community-based monitoring networks are emerging as a means of engaging citizen scientists in collecting, analysing and sharing data about water quality and biological parameters.\r\n\r\nWithin Manitoba, many community and school groups have started water monitoring projects to engage students, landowners, cottagers, Indigenous nations and concerned lake-lovers. These citizen scientists are learning about the health of Manitoba\u2019s waters and engaging in solutions as they collect water samples across the province.\r\n\r\nThough active and enthusiastic, the Lake Winnipeg Foundation (LWF) observed that these groups were not currently co-ordinated within a larger network, and often did not have the ability to analyze their data and share information beyond their school or community. This is not for lack of interest \u2013 rather, local resources are limited and citizen scientists didn\u2019t have the opportunity to understand how their local data is part of a larger story taking shape throughout Manitoba.\r\n\r\nLWF is bringing these groups together to establish a strong community-based monitoring (CBM) network in Manitoba, supplied with standardised monitoring protocols developed by LWF\u2019s science advisers. This CBM network will:\r\n\r\n*Engage citizen scientists as champions for water health - particularly with respect to Lake Winnipeg, which is struggling with the negative effects of eutrophication;\r\n*Identify phosphorus hot spots on the landscape to ensure funding and action can be targeted to areas of greatest impact; and\r\n*Ensure a comprehensive, credible data set informs research and policy priorities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,127 | 0,022 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».