Bibliographic record
Abstract
Energiflöden mellan terrestra och akvatiska ekosystem har uppmärksammats mycket den senaste tiden. I den här studien undersöker jag betydelsen av ett terrestert djur, älgen (Alces alces), som dör i vattendrag och avger näring till vattnet. Genom litteraturstudier och teoretiska beräkningar uppskattade jag hur vanligt det är att älgar dör i vattendrag och om dessa älgar har någon inverkan på vattendragets totala näringsbudget. Jag fann att drunkning hos älgar tas upp som en parameter för naturliga dödsorsaker i flera artiklar från USA, Canada och Polen. Orsakerna till att älgar drunknar, trots att de är duktiga simmare, kan vara t.ex. att stranden är för brant, att de tvingas ner i vattnet av rovdjur, att skadeskjutna älgar söker sig till vatten på grund av törstkänningar i samband med blodförlust eller att de går igenom svaga isar. Utifrån teoretiska beräkningar fann jag även att en älg som dött i ett vattendrag bidrar till mycket liten del av den totala näringsbudgeten. Min hypotes är att det endast blir en lokal påverkan nedströms djuret. Hur denna påverkan ser ut och om den kommer primärproducenter och fiskar tillgodo är mycket komplext och undersöks inte i denna studie.
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) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.037 | 0.016 |
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".