MétaCan
Menu
Retour à la cohorte
Enregistrement W2053542102 · doi:10.1175/bams-d-13-00144.1

Complementing Scientific Monsoon Definitions with Social Perception in Bangladesh

2014· article· en· W2053542102 sur OpenAlexaff
Mathew Stiller-Reeve, Abu Syed, Thomas Spengler, Jennifer Spinney, Peerzadi Rumana Hossain

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMonsoonPerceptionClimate changeTropical monsoon climateWork (physics)ClimatologyGeographyMeteorologyPsychologyEngineeringGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract The monsoon onset is a critical event in the Bangladesh calendar, especially for the domestic agricultural sector. Providing information about the monsoon onset for the past, present, and future has potential benefit for a country so vulnerable to changes in climate. But, when does the monsoon start? To produce any scientific information about monsoon onsets, lengths, and withdrawals, we first need to apply a monsoon definition to our data. Choosing a scientific definition is not such a simple exercise in Bangladesh. Different definitions lead to different monsoon onsets and thereby also monsoon lengths. If a climate application aims to provide information about the monsoon onset, then we need to understand how the people who might use this information perceive the monsoon onset. We then need to understand how their perceptions compare with previous scientific work. In this study we carried out a structured questionnaire in six rural regions around Bangladesh and asked the local agriculturists how they defined the monsoon and when they thought it started. It turns out that the agriculturists and previous scientific publications do not necessarily agree. Our results do not undermine previous scientific work on the monsoon in Bangladesh, but they do carry an important message about how we should design, implement, and evaluate climate applications in Bangladesh that encompass the monsoon onset.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,165
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,239
Écart entre enseignants0,207 · 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.

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

Citations33
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetClimate variability and modelsTravaux en français237 207