MétaCan
Menu
Back to cohort

Going with the flow

2023· article· es· W4404109215 on OpenAlexaff
Christoforos Pappas, Daniel Kneeshaw, Gisèle Trudel, Marie-Eve Morissette, Acer saccharum

Bibliographic record

Venue.able. · 2023
Typearticle
Languagees
FieldEnvironmental Science
TopicFlood Risk Assessment and Management
Canadian institutionsUniversité du Québec à Montréal
Fundersnot available
KeywordsFlow (mathematics)MechanicsPhysics

Abstract

fetched live from OpenAlex

Árboles, científicos, artistas y sus instrumentos perciben cómo fluye el agua. Los árboles asumen riesgos durante la temporada de crecimiento ya sea aumentando la transpiración (flujo de savia) o conteniéndola. Las venas se expanden y se contraen. El agua es arrastrada hacia arriba desde el suelo al aire, pasando por los troncos de los árboles. Pero si hay sequía, los árboles podrían morir. Tanto los científicos como los árboles perciben las condiciones ambientales. Debido a sus fluctuaciones regulares, el proceso puede compararse al latido de un corazón. Durante el día, los árboles transpiran, lo que provoca el movimiento de agua en el tallo. Este flujo disminuye de la albura exterior a la interior y, debido a la deshidratación, se produce la contracción del tallo. Durante la noche, el tallo se ensancha debido a la rehidratación y la recarga de agua. Tirando, canalizando, disminuyendo, expandiéndose. Esta pulsión retransmite estas funciones en relación con la luz y la humedad atmosférica. Los científicos monitorizan el tallo del árbol con agujas calentadas y rodean los troncos con correas y máquinas. El dendrómetro cuantifica los cambios de tamaño del tronco debido a la hinchazón, la contracción y el crecimiento, expresándolo en micras. El 3 de julio de 2020, el diámetro de un arce azucarero maduro era de 355000,13 micrómetros a las 15:00 y de 355062,47 micrómetros a medianoche. El mismo día y el mismo árbol, un sensor de flujo de savia combinado con un instrumento medidor de datos y algoritmos informó de la transpiración en centímetros por hora: 1,05 cm/h a las 5.00 horas y 14,89 cm/h a las 14:00 horas. El muestreo coincide: el árbol está en constante cambio. La experiencia del árbol se comparte con los humanos. Construir juntos, a partir de la experiencia, el conocimiento sobre y en los climas cambiantes, abrirse a las multiplicidades, abrazar las ecotecnologías en la práctica: la propia del árbol, la instrumentación y el medio de coocurrencia. Las visualizaciones tejen relaciones de este encuentro entre la detección cuantitativa y cualitativa, una interoperabilidad con los ordenadores. ¿Es esta la fidelidad de datos? Aquí, el flujo de savia se convierte en una serie de puntos, densificándose, la deficiencia de agua del árbol se deduce por las dimensiones cambiantes de los intervalos entre líneas, señalando cambios locales y cambios en el árbol. Que. Sigue. Fluyendo.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.007
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.169
Threshold uncertainty score0.566

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.007
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0080.006
Scholarly communication0.0120.016
Open science0.0010.007
Research integrity0.0050.007
Insufficient payload (model declined to judge)0.1690.041

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.

Opus teacher head0.009
GPT teacher head0.222
Teacher spread0.213 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venue.able.Same topicFlood Risk Assessment and ManagementFrench-language works237,207