MétaCan
Menu
Retour à la cohorte
Enregistrement W2018157066 · doi:10.3390/f3010114

Sector Sampling—Synthesis and Applications

2012· article· en· W2018157066 sur OpenAlexfundno aff
Nicholas Smith, Kim Iles

Notice bibliographique

RevueForests · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Forests, Lands and Natural Resource Operations
Mots-clésPolygon (computer graphics)Sampling (signal processing)TransectMathematicsStatisticsSelection (genetic algorithm)GeometryComputer scienceArtificial intelligenceComputer visionEcologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Sector sampling is a new and simple approach to sampling objects or borders. This approach would be especially useful for sampling objects in small discrete areas or “polygons” with lots of internal or external edge, but it may be extended to sampling any object regardless of polygon size. Sector plots are wedge-shaped with a fixed sector angle. The probability of object selection is constant and equal to the sector angle in degrees divided by 360°. A unique property of sector sampling is that the point from which the angle originates may be located subjectively when the sector direction is at random. Another advantage over traditional sampling (such as fixed or variable area plots) is that there is no edge effect; that is, there is no altering of selection probabilities of objects close to polygon boundaries. Various approaches are described for deriving polygon means and totals with their associated variances. We review the genesis of sector sampling and develop two new components: sub-sampling using fixed area plots and line sampling using the sector arcs as transects. Sector sampling may be extended to measuring a variety of objects such as trees, shrubs, plants, birds, animal trails and polygon borders.

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 enseignants0,118
Score d'incertitude au seuil0,553

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 technologies0,0000,000
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 Opus0,023
Tête enseignante GPT0,251
Écart entre enseignants0,228 · 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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetSoil Geostatistics and MappingTravaux en français237 207