Regional lake-sediment geochemical data from northern Manitoba (NTS 064-J and 064-K): reanalysis data and QA/QC evaluation
Bibliographic record
Abstract
Ce rapport présente les résultats des données géochimiques, de l’assurance de la qualité et du contrôle de la qualité de la réanalyse d’échantillons de sédiments lacustres prélevés dans le nord du Manitoba (SNRC 064-J et 064-K). Les programmes d’échantillonnage originaux ont été menés en 1975, et les résultats sont présentés dans les dossiers publiques 320 (SNRC 064-J) et 321 (SNRC 064-K) de la Commission géologique du Canada. Des échantillons de sédiments lacustres provenant de 1 798 sites ont été réanalysés, couvrant une superficie d’environ 26 000 km2, avec une densité moyenne d’un échantillon par 13 km2. Les échantillons ont également été réanalysés à partir de programmes plus détaillés menés la même année, dans les coins nord-ouest et nord-est du SNRC 064-J et 064-K, respectivement, donnant 208 échantillons supplémentaires et une densité moyenne d’un échantillon par 7 km2 sur une superficie d’environ 3 000 km2. Les échantillons ont été mesurés pour 65 éléments par l’intermédiaire de l’aqua-régia modifié – ICP-MS, et pour 35 éléments par l’INAA. Afin d’assurer des données géochimiques de haute qualité, l’exactitude, la précision et l’aptitude à l’utilisation ont été évaluées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".