MétaCan
Menu
Retour à la cohorte
Enregistrement W7160608607 · doi:10.21966/kmc2-5r12

DNA metabarcoding data from Autonomous Reef Monitoring Structures (ARMS) deployed around Calvert Island British Columbia

2017· dataset· W7160608607 sur OpenAlexaffabout
Matthew Lemay, Brenton Twist, Rute Clemente-Carvalho, Evan Morien, Kristin Meagher Robinson, Matthew Whalen

Notice bibliographique

RevueHakai Institute · 2017
Typedataset
Langue
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésKelpReefKelp forestCoral reefAtollInvertebrateSoftware deploymentTemperate climateOrnithology

Résumé

récupéré en direct d'OpenAlex

Autonomous Reef Monitoring Structures (ARMS) provide a standardized framework to monitor marine biodiversity. Currently, over 1,600 ARMS have been deployed globally across a number of organisations and geographical regions. Most of these deployments are related to coral reef systems, and relatively few deployments have been associated with temperate reefs or kelp forests. This data package contains links to genomic resources obtained from our use of ARMS to test whether the presence of canopy-forming kelps would influence rates of recruitment of invertebrates and seaweeds on temperate near-shore rocky reefs. Data collection was carried out at 12 locations in Queen Charlotte Sound, British Columbia. Of these sites, four were kelp beds dominated by Nereocystis luetkeana, four were kelp beds dominated by Macrocystis pyrifera, and four were considered to be urchin barrens. One ARMS unit was deployed at each site. The first deployment lasted from autumn 2016 to summer 2017 (10-11 months), the second deployment lasted from autumn 2017 to autumn 2020 (36 months). For each deployment, all methods used for assembly, collection, photography, and biological sampling were carried out following the protocol described by the Global ARMS Program (Smithsonian Institution: https://naturalhistory.si.edu/research/global-arms-program).

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,334

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,011
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,007

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 Opus0,085
Tête enseignante GPT0,327
Écart entre enseignants0,242 · 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'étudeSans objet
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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHakai InstituteTravaux en français237 207