MétaCan
Menu
Retour à la cohorte
Enregistrement W7038377445

Impact of Cyanobacteria on the pelagic phosphorus cycle

2022· article· en· W7038377445 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarWorks@BGSU (Bowling Green State University) · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSubterranean biodiversity and taxonomy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionGestational periodDiafiltrationTSG101HyporeflexiaArticular cartilage damageProteogenomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Research concerning cyanobacteria has increasingly focused on the health implications and causal factors promoting cyanobacterial blooms. However, there is another important aspect of cyanobacterial blooms that have received less attention. Recent studies have provided indirect evidence that pelagic food web function is affected when cyanobacteria are abundant in lakes. This may be due to a combination of factors, such as their inedibility, poor food quality, or their production of cyanotoxins. With the use of a radiotracer, we measured pelagic phosphorus cycling in a variety of lakes from the Canadian Prairie Region and beyond (i.e., Lake Erie and Lake of the Woods). These lakes provided a broad range in cyanobacterial biomass (0 to 75% cyanobacterial biomass). Phosphate turnover, planktonic regeneration, and most important, planktonic food web turnover will be presented as a function of cyanobacterial biomass to determine if food webs dominated by cyanobacteria do indeed have reduced cycling efficiencies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,026
Tête enseignante GPT0,184
Écart entre enseignants0,158 · 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 tête enseignante, pas un consensus.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarWorks@BGSU (Bowling Green State University)Même sujetSubterranean biodiversity and taxonomyTravaux en français237 207