Determinación de mercurio y cadmio en sedimentos de la laguna Umayo en el distrito de Atuncolla Puno – 2018
Bibliographic record
Abstract
La presente investigación consistió en la determinación de los niveles de concentración de metales pesados de mercurio (Hg) y cadmio (Cd) en los sedimentos de la laguna Umayo en el distrito de Atuncolla de la Región de Puno 2018, los objetivos específicos planteados fueron determinar la presencia de mercurio (Hg) y cadmio (Cd) en los sedimentos de la laguna Umayo en el distrito de Atuncolla Provincia de Puno - 2018. La metodología consistió en la toma de muestras de los sedimentos en diferentes puntos de muestreo, seleccionados al azar de acuerdo al área y accesibilidad a la laguna Umayo. Las conclusiones a las que se llegaron fueron que se determinó la presencia de mercurio (Hg) con un promedio de 2,56 mg/kg, observándose en el punto de monitoreo 1 de la muestra 3, se encuentra la mayor concentración siendo esta 15,07 mg/kg y al comparar con la norma se observa que estos sobrepasan significativamente en valor establecido, por la normativa Canadian que establece el valor de 0,02 mg/kg; de igual forma se determina que existe presencia de niveles de cadmio (Cd) con un promedio de 5,61 mg/kg., observándose que en el punto de muestra 2 se encuentra la mayor concentración siendo esta de 9.72 mg/kg. Contrastando los valores obtenidos se observa que estos sobrepasan significativamente en valor establecido por la normativa Canadian establece que el valor de 0,03 mg/kg.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".