Notice bibliographique
Résumé
This checklist is intended to help geologists collect or review geological data on mining prospects in a manner that will conform to the increasingly stringent reporting requirements. Survey, assay, and geological data are the key initial inputs required to build a robust computer-based resource model. Once the resource model is built, a geologist reviewing the model should understand the methods and assumptions used in interpolating from the initial data to the gridded resource model. Closer cooperation between project geologists and resource modellers should improve the way data are collected initially as well as identifying biases, weakness and inconsistencies within the resource model. SOMMAIRE Voici une liste de verification a l'intention des geologues qui ont a collecter et analyser les donnees de gisements mineraux, liste qui leur permettra de se conformer aux normes de compte rendu de plus en plus strictes. Les donnees de leves, de teneur et de geologie constituent les elements cles initiaux indispensables pour l'elaboration d'un modele informatise de la ressource fiable. Le modele de ressource retenu doit permettre au geologue de comprendre la methode suivie ainsi que les hypotheses d'interpolation appliquees aux donnees initiales conduisant au modele matriciel de la ressource. Une meilleure collaboration entre les geologues de projet et les modelisateurs de la ressource devrait permettre d'ameliorer la qualite des donnees initiales collectees et de reperer les biais, faiblesses et incongruites du modele de la ressource.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».