Factors influencing thiamin concentrations in lake trout
Notice bibliographique
Résumé
Firstly, I would like to thank my major advisor Dr. Jacques Rinchard, for his dedication, time and commitment to his students. He has pushed me both academically and intellectually to become a better version of myself. Next, I would like to thank the rest of my graduate committee Drs. Brian Lantry, Donald Tillitt, and Matthew Altenritter who contributed to the conceptualization and execution of this thesis. Special thanks to the dedicated professionals at the United States Geological Survey - Lake Ontario Biological Station including Dr. Brian Weidel and Scott Minikiem, Dr. Michael Connerton from the New York State Department of Environmental Conservation, all those who assisted with annual lake trout and prey fish surveys, and finally to the staff at the Allegheny National Fish Hatchery for providing lake trout on short notice. This work would not be possible without their hard work and perseverance. The undergraduate laboratory assistants in Dr. Rinchard’s lab, including Jarrod Ludwig and Lillian Denecke deserved recognition for their dependability and diligence in assisting with laboratory work. Finally, financial assistance was provided by the Brockport Distinguished Professor Award, the Department of Environmental Science and Ecology, and the Great Lakes Research Consortium. On a personal note, I would like to thank my friends Kylee Wilson, Kyle Morton and the rest of the Altenritter’s lab for providing substantial moral support, thoughtful conversations and fond memories that made my time at Brockport special. Lastly, I would like to thank my parents Kim and Chris Heisey for the sacrifices they ii made to make my educational journey a reality. Their love and support made this thesis possible and for that I have immense gratitude.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».