Communautés de dinoflagellés dans les ports de Churchill (MB), baie Déception (QC), Iqaluit (NU) et Milne Inlet (NU)
Bibliographic record
Abstract
Les données ont été échantillonées au cours de deux projets : - Développement d'une surveillance des espèces aquatiques envahissantes dans l'Arctique canadien - préparation à l'augmentation du trafic maritime lié au développement des ressources et aux changements climatiques; -Diversité des producteurs primaires dans les milieux côtiers et possibilité d'efflorescences nuisibles dans l'est de l'Arctique canadien, en particulier près d'Iqaluit au Nunavut. Ces données sont l'abondance, la richesse et la diversité des communautés de dinoflagellés dans les ports maritimes de l'Arctique canadien afin de fournir des données de références et de vérifier la présence d'espèces potentiellement non-indigènes et nuisibles. Ce projet fait partie du Programme sur les données environnementales côtières de référence de Pêches et Océan Canada. Des échantillons de dinoflagellés ont été prélevés à l'aide d'un filet à plancton de 20 μm (30 cm de diamètre) pendant le mois d'Août à Churchill (MB) en 2007 et 2015, à Deception Bay (QC) en 2016, à Iqaluit (NU) en 2015 et 2019 et à Milne Inlet en 2017. Les échantillons ont été conservés dans du formaldéhyde à 4% et les variables environnementales ont été enregistrées à l'aide d'un CTD, d'un disque de Secchi. Le temps entre la fonte des glaces de mer et l'échantillonnage a été calculé en soustrayant le jour d'échantillonnage des dates de débâcle (concentration de glace <1/10) extraites des archives du Service canadien des glaces. Ces données pourraient être utilisées comme une référence pour la surveillance d'introduction d'espèce potentiellement non-indigène dans les ports Arctiques où les activités maritimes sont élevées.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".