MétaCan
Menu
Retour à la cohorte
Enregistrement W1969745194 · doi:10.1175/2011bams-d-11-00017.1

Forecasting Sun versus Shade in Complex Terrain for the 2010 Winter Olympic and Paralympic Games

2011· article· en· W1969745194 sur OpenAlexafffundabout
Rosie Howard, Roland Stull

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésElevation (ballistics)SnowMeteorologyTerrainSnowpackAzimuthEnvironmental scienceGeographyCartographyMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

During the 2010 Vancouver Winter Olympic and Paralympic Games in Canada, there were 10 mostly sunny days at the outdoor Olympic venues. The warmth and sunshine, possibly a result of El Niño conditions at the time, significantly reduced snow cover at one venue and weakened the snowpack at the other two venues, much to the chagrin of the event organizers. Solar radiation affects ski racing via its effect on snow-surface friction, abrasion, and mechanical strength. Ski technicians and athletes compensate via the choice of ski and wax. For these reasons, sun-versus-shade forecasts were produced for Canadian ski and snowboard teams. A theodolite was used to survey the horizon elevation angles around the full azimuth circles at 133 locations spaced roughly 150 m apart along race pistes (compacted ski runs) at three Olympic venues. This survey was important for including the shadowing effects of the tall evergreen trees that border the pistes. This would not be properly accounted for if only digital elevation data were used. These data, along with the astronomical equations for solar elevation and azimuth, were used to calculate whether each survey point would be in the sun or the shade in cloudless conditions for any time and date during the Olympics. Half-hourly output was provided to ski and snowboard technicians and coaches via a graphical user interface delivered on the Internet.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil0,637

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,285
Écart entre enseignants0,208 · 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 tête enseignante, 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

Citations6
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetWinter Sports Injuries and PerformanceTravaux en français237 207