MétaCan
Menu
Retour à la cohorte
Enregistrement W1636914168

The Explorer's Guide to Impact Craters

2005· article· en· W1636914168 sur OpenAlexaff
F. C. Chuang, E. Pierazzo, G. R. Osinski

Notice bibliographique

Revue36th Annual Lunar and Planetary Science Conference · 2005
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstro and Planetary Science
Établissements canadiensCanadian Space Agency
Organismes subventionnairesnon disponible
Mots-clésImpact craterAstrobiologyGeologyVolcanismLandformEarth scienceTectonicsSolar SystemVolcanoMars Exploration ProgramPlanetary surfacePlate tectonicsNoachianMartianPaleontology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Impact cratering is a fundamental geologic process of our solar system. It competes with other processes, such as plate tectonics, volcanism, fluvial, glacial and eolian activity, in shaping the surfaces of planetary bodies. In some cases, like the Moon and Mercury, impact craters are the dominant landform. On other planetary bodies impact craters are being continuously erased by the action of other geological processes, like volcanism on Io, erosion and plate tectonics on the Earth, tectonic and volcanic resurfacing on Venus, or ancient erosion periods on Mars. The study of crater populations is one of the principal tools for understanding the geologic history of a planetary surface. Among the general public, impact cratering has drawn wide attention through its portrayal in several Hollywood movies. Questions that are raised after watching these movies include: How do scientists learn about impact cratering? , and What information do impact craters provide in understanding the evolution of a planetary surface? Fundamental approaches used by scientists to learn about impact cratering include field work at known terrestrial craters, remote sensing studies of craters on various solid surfaces of solar system bodies, and theoretical and laboratory studies using the known physics of impact cratering.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,883

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,2640,153

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,259
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue36th Annual Lunar and Planetary Science ConferenceMême sujetAstro and Planetary ScienceTravaux en français237 207