Reply [to “Cosmic rays, carbon dioxide, and climate”]
Notice bibliographique
Résumé
In our analysis [Rahmstorf et al., 2004], we arrived at two main conclusions: the data of Shaviv and Veizer [2003] do not show a significant correlation of cosmic ray flux (CRF) and climate, and the authors' estimate of climate sensitivity to CO 2 based on a simple regression analysis is questionable. After careful consideration of Shaviv and Veizer's comment, we want to uphold and reaffirm these conclusions. Concerning the question of correlation, we pointed out that a correlation arose only after several adjustments to the data, including shifting one of the four CRF peaks and stretching the time scale. To calculate statistical significance, we first need to compute the number of independent data points in the CRF and temperature curves being correlated, accounting for their autocorrelation. A standard estimate [ Quenouille , 1952] of the number of effective data points is urn:x-wiley:00963941:media:eost14930:eost14930-math-0001 where N is the total number of data points and r 1 , r 2 are the autocorrelations of the two series. For the curves of Shaviv and Veizer [2003], the result is N EFF = 4.8. This is consistent with the fact that these are smooth curves with four humps, and with the fact that for CRF the position of the four peaks is determined by four spiral arm crossings or four meteorite clusters, respectively; that is, by four independent data points. The number of points that enter the calculation of statistical significance of a linear correlation is ( N EFF − 2), since any curves based on only two points show perfect correlation; at least three independent points are needed for a meaningful result.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».