MétaCan
Menu
Retour à la cohorte
Enregistrement W7005434887

Questioning ten common assumptions about peatlands

2017· article· en· W7005434887 sur OpenAlexfundno aff

Notice bibliographique

RevueWhite Rose Research Online (University of Leeds, The University of Sheffield, University of York) · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueChemical synthesis and alkaloids
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilFonds de recherche du Québec – Nature et technologiesHorizon 2020 Framework ProgrammeNature Conservancy of CanadaMitacsMinistry of EnvironmentEuropean CommissionRoyal SocietyEconomic and Social Research CouncilGeological Society of London
Mots-clésPeatCarbon sinkSphagnumClimate changeBogEcosystemCarbon fibersSink (geography)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Peatlands have been widely studied in terms of their ecohydrology, carbon dynamics, ecosystem services and palaeoenvironmental archives. However, several assumptions are frequently made about peatlands in the academic literature, practitioner reports and the popular media which are either ambiguous or in some cases incorrect. Here we discuss the following ten common assumptions about peatlands:\n\n 1. the northern peatland carbon store will shrink under a warming climate;\n\n 2. peatlands are fragile ecosystems;\n\n 3. wet peatlands have greater rates of net carbon accumulation;\n\n 4. different rules apply to tropical peatlands;\n\n 5. peat is a single soil type;\n\n 6. peatlands behave like sponges;\n\n 7. Sphagnum is the main ‘ecosystem engineer’ in peatlands;\n\n 8. a single core provides a representative palaeo-archive from a peatland;\n\n 9. water-table reconstructions from peatlands provide direct records of past climate change; and\n\n10. restoration of peatlands results in the re-establishment of their carbon sink function.\n\nIn each case we consider the evidence supporting the assumption and, where appropriate, identify its shortcomings or ways in which it may be misleading.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,003
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,283
Écart entre enseignants0,234 · 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'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

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWhite Rose Research Online (University of Leeds, The University of Sheffield, University of York)Même sujetChemical synthesis and alkaloidsTravaux en français237 207