MétaCan
Menu
Retour à la cohorte
Enregistrement W7084037188 · doi:10.6084/m9.figshare.c.8047478

Supplementary material from "Temporarily Trapped: Stormwater Pond Sediment is a Key Transient Sink for Microplastic Debris"

2025· other· en· W7084037188 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typeother
Langueen
DomaineSocial Sciences
ThématiqueJournalism and Media Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStormwaterSink (geography)WetlandSedimentInletHydrology (agriculture)PollutantConstructed wetland

Résumé

récupéré en direct d'OpenAlex

Average microplastic abundances in each of 15 stormwater ponds in London, Canada ranged from 0.7 ±0.7 particles per gram of dry weight sediment (g-1 dw) to >2323 ±4643 g-1 dw. Omitting one wetland cell and one hybrid pond produced a significantly higher median microplastic abundance for forebay versus main basin samples (p = 0.0058), and inlets produced greater mean abundances than outlets and open areas (20 ±49, 10 ±17, 4 ±4 g-1 dw, respectively). Considering all 15 ponds, the industrial/commercial and construction ponds produced higher means (684 ±2387 g-1 dw; 19 ±22 g-1 dw) than residential and open counterparts (6 ±10 g-1 dw; 6 ±11 g-1 dw). Fragments were the most common particle type in all but one pond, and fibre concentrations relative to other particle types were greatest in residential ponds. Copious rubber particles in an industrial pond are considered tire wear due to proximity to manufacturers’ parking lots and loading docks, and to a school for automotive technology training. Paint/coating chips accounted for 25% of the fragments analyzed. With greater microplastic abundances than in sediment from tributaries, lakes, and beaches of the same watershed, stormwater ponds prove to be exceptional transient sinks for microplastic debris.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,391

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,000
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,7260,308

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 Opus0,028
Tête enseignante GPT0,284
Écart entre enseignants0,256 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetJournalism and Media StudiesTravaux en français237 207