Notice bibliographique
Résumé
ARC-Lake v2.0 - Per-Lake contains data products on a lake-by-lake basis. These data products contain observations of Lake Surface Water Temperature (LSWT) and Lake Ice Cover (LIC) from the series of (Advanced) Along-Track Scanning Radiometers ((A)ATSRs). ARC-Lake v2.0 data products cover the period from 1st August 1991 to 31st December 2011. A number of different data products are available for each lake and are grouped together into a zip archive for each lake. A summary of the types of data product available is given on http://datashare.is.ed.ac.uk/handle/10283/88 and full details of the file naming convention and file contents are given in the ARC-Lake Data Product Description document (ARCLake_DPD_v1_1_2.pdf). Individual lake archives are grouped into larger zip archives by continent (with the exception of the Caspian Sea). Details of the methods used and a list of all lakes and their locations are given in the ARC-Lake Algorithm Theoretical Basis Document (ARC-Lake-ATBD-v1.3.pdf). Additional information about the ARC-Lake project and some basic data analysis tools can be found on the project website: http://www.geos.ed.ac.uk/arclake Please cite both this dataset and the related publication: * "MacCallum, Stuart N; Merchant, Christopher J. (2013). ARC-Lake v2.0 - Per-Lake, 1991-2011 [Dataset]. University of Edinburgh. School of GeoSciences / European Space Agency. https://doi.org/10.7488/ds/161." * "MacCallum, S.N. and Merchant, C.J. (2012) Surface water temperature observations of large lakes by optimal estimation. Canadian Journal of Remote Sensing, 38 (1). pp. 25-45. ISSN 1712-7971 doi: 10.5589/m12-010"
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,252 | 0,342 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».