MétaCan
Menu
Retour à la cohorte
Enregistrement W2058287461 · doi:10.1121/1.3672648

Sounds from airguns and fin whales recorded in the mid-Atlantic Ocean, 1999–2009

2012· article· en· W2058287461 sur OpenAlexaboutno aff
Sharon L. Nieukirk, David K. Mellinger, Sue E. Moore, Karolin Klinck, Robert P. Dziak, Jean Goslin

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesInstitut national des sciences de l'UniversAgence Nationale pour la Gestion des Déchets RadioactifsNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésOceanographySound (geography)GeologyFinRidgeWhaleNoise (video)Submarine pipelineSeismologyFisheryPaleontologyEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Between 1999 and 2009, autonomous hydrophones were deployed to monitor seismic activity from 16° N to 50° N along the Mid-Atlantic Ridge. These data were examined for airgun sounds produced during offshore surveys for oil and gas deposits, as well as the 20 Hz pulse sounds from fin whales, which may be masked by airgun noise. An automatic detection algorithm was used to identify airgun sound patterns, and fin whale calling levels were summarized via long-term spectral analysis. Both airgun and fin whale sounds were recorded at all sites. Fin whale calling rates were higher at sites north of 32° N, increased during the late summer and fall months at all sites, and peaked during the winter months, a time when airgun noise was often prevalent. Seismic survey vessels were acoustically located off the coasts of three major areas: Newfoundland, northeast Brazil, and Senegal and Mauritania in West Africa. In some cases, airgun sounds were recorded almost 4000 km from the survey vessel in areas that are likely occupied by fin whales, and at some locations airgun sounds were recorded more than 80% days/month for more than 12 consecutive months.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,221 · 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'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

Citations140
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetMarine animal studies overviewTravaux en français237 207