MétaCan
Menu
Retour à la cohorte
Enregistrement W6980006412

Application of a sequential partial extraction procedure to investigate uranium, copper, zinc, iron and manganese partitioning in recent lake, stream and bog sediments, northern Saskatchewan / by Douglas Andrew Warren Lehto. --

2017· other· en· W6980006412 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge Commons (Lakehead University) · 2017
Typeother
Langueen
DomaineSocial Sciences
ThématiqueDengue and Mosquito Control Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBogManganeseOrganic matterDissolved organic carbonSorptionCopperExtraction (chemistry)UraniumHydroxideMetal
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Sequential partial extractions show that partitioning of uranium, \ncopper, zinc, iron and manganese into lake, stream and bog sediments \nare affected by the type and abundance of component fractions present \nin sediments and by the physico-chemical conditions of the superjacent \nwaters. The water pH influences the concentration of uranium retained \nby organic matter as well as the relative proportion partitioned into \nthe amorphous iron hydroxide fraction and the humic and fulvic acid \ncomponents of the organic matter fraction. Copper partitioning is \ncontrolled by the percent carbon content of sediments which influences \nthe concentration of metal retained in the organic matter fraction. \nThe amount of copper retained by other component fractions is determined \nby their relative abundance in sediments. The Eh-pH conditions \nof the superjacent waters control the solubilities of iron, manganese \nand zinc thereby affecting the availability and sorption of these \nmetals into the organic matter and inorganic hydroxide fractions of \nsediment. Metal partitioning characteristics and physico-chemical \nfactors which influence metal partitioning should be considered when \nusing lake, stream and bog sediments in geochemical exploration.

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)0,000
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 enseignants0,784
Score d'incertitude au seuil0,429

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,026
Tête enseignante GPT0,301
Écart entre enseignants0,274 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge Commons (Lakehead University)Même sujetDengue and Mosquito Control ResearchTravaux en français237 207