MétaCan
Menu
Back to cohort
Record W6999844529

Drivved I Arktis : En dendrokronologisk sammanställning över teorier och förekomster

2020· other· sv· W6999844529 on OpenAlexaboutno aff

Bibliographic record

VenueKTH Publication Database DiVA (KTH Royal Institute of Technology) · 2020
Typeother
Languagesv
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsFeminism
DOInot available

Abstract

fetched live from OpenAlex

Klimatet på Arktis har förändrats genom Holocen. Under tidig holocen (10.4 år BP till 8.2 år BP)kännetecknas perioden med att glaciärerna började dra sig tillbaka och att klimatet blev varmare. IMellan holocen (8.2 år BP till 4.2 år BP) kännetecknas perioden av att man hade högre temperaturerpå sommaren än nutid och att glaciärerna låg bakom dess nuvarande gränser. Sen holocen (4.2 år BPtill 2.5 år BP) kännetecknas istället av kallare temperaturer överlag med expanderade glaciärer ochväxlande temperaturer som snabbt skiftat. Detta gäller även under nutida holocen (2.5 år BP till 0 årBP). Klimatet har varierat med korta intervaller av varmare temperaturer blandad med tjock ochflerårig is. Klimatet på Arktis har en betydande roll för hur drivveden rör sig eftersom drivvedentransporteras genom starka strömmar i havet, havsis, glaciärer och kraftig vind. I det Arktiska havetfinns det främst de två stora strömmarna Beaufort gyre och transpolarströmmen. Dessa har förändrats istorlek, styrka och förskjutningar genom hela Holocen. I det Arktiska havet transporteras drivvedensom bland annat kapslas in i havsis för att sedan avsättas och förhoppningsvis hamna på en strand.Drivveden kommer in i Arktiska havet genom 8 floder som har sitt utflöde mot Arktis. Dessa floderinnehåller främst trädarterna lärk, gran och tall. Studien har behandlat 2635 daterade drivvedsprovermed ålder från 10.3 år BP till 0 år BP från framförallt tre olika studier. Dateringen avdrivvedsproverna är främst genom 14C-metoden och Trädringsindexanalyser. Studien visade ettsamband mellan klimatets variation och hur många drivvedsprover man funnit. Detta gjorde detmöjligt att begränsa drivvedsprovernas ursprungsflod då floderna Mackenzie och Yukon enbartinnehåller gran (Hellmann, et al., 2017). Kolyma innehåller enbart lärk. Yakutsk/Lena flodeninnehåller både tall och lärk. Yenisei innehåller både lärk och gran (Hellmann, et al., 2017). Ob’floden innehåller gran och tall. Pechora innehåller gran och tall samt Dvina innehåller både gran, lärkoch tall och är baserad på figur 8 (Hellmann, et al., 2017). Figur 1 visar även flodernas utspridningoch utflöde mot Arktis.

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)0.001
metaresearch head score (Gemma)0.001
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: Empirical
Teacher disagreement score0.018
Threshold uncertainty score0.044

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0020.001
Scholarly communication0.0050.002
Open science0.0010.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0130.006

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 head0.020
GPT teacher head0.265
Teacher spread0.245 · 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
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueKTH Publication Database DiVA (KTH Royal Institute of Technology)French-language works237,207