MétaCan
Menu
Retour à la cohorte
Enregistrement W1960144712 · doi:10.1080/1755876x.2015.1049901

Synthesis of new scientific challenges for GODAE OceanView

2015· article· en· W1960144712 sur OpenAlexaff
A. Schiller, Mike Bell, Gary B. Brassington, Pierre Brasseur, Rosa Barciela, Pierre De Mey, E. Dombrowsky, Marion Gehlen, Fabrice Hernández, Gilles Larnicol, Pierre‐Yves Le Traon, Matthew Martin, Peter R. Oke, G. C. Moore Smith, Neville Smith, Hendrik L. Tolman, Kirsten Wilmer-Becker

Notice bibliographique

RevueJournal of Operational Oceanography · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésData assimilationTask (project management)Product (mathematics)RecreationScientific fieldBusinessData scienceComputer scienceEnvironmental resource managementPolitical scienceEngineeringEnvironmental scienceSystems engineeringGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

The marine environment plays an increasingly important role in shaping economies and infrastructures, and touches upon many aspects of our lives, including food supplies, energy resources, national security and recreational activities. Global Ocean Data Assimilation Experiment (GODAE) and GODAE OceanView have provided platforms for international collaboration that significantly contribute to the scientific development and increasing uptake of ocean forecasting products by end users who address societal issues such as those listed above. Many scientific challenges and opportunities remain to be tackled in the ever-changing field of operational oceanography, from the observing system to modelling, data assimilation and product dissemination. This paper provides a brief overview of past achievements in GODAE OceanView, but subsequently concentrates on the future scientific foci of GODAE OceanView and its Task Teams, and provides a vision for the future of ocean forecasting.

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)0,031
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0040,003
Communication savante0,0120,010
Science ouverte0,0020,008
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,052
Tête enseignante GPT0,251
Écart entre enseignants0,199 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operational OceanographyMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207