MétaCan
Menu
Retour à la cohorte
Enregistrement W2094297791 · doi:10.5670/oceanog.2009.68

GODAE Systems in Operation

2009· article· en· W2094297791 sur OpenAlexaff
E. Dombrowsky, Laurent Bertino, Gary B. Brassington, Eric P. Chassignet, Fraser Davidson, Harley E. Hurlburt, Masafumi Kamachi, Tong Lee, Matthew Martin, Shan Mei, Marina Tonani

Notice bibliographique

RevueOceanography · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensSt. John’s Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésDownscalingArgoData assimilationClimatologyAltimeterEnvironmental scienceMeteorologyScale (ratio)Earth system scienceGeologyOceanographyGeographyClimate change

Résumé

récupéré en direct d'OpenAlex

During the last 15 years, operational oceanography systems have emerged in several countries around the world. This emergence has been largely fostered by the GODAE experiment, during which each nation engaged in this activity have organised partnership and constructive competition. This trans-national coordination was very beneficial for the development of operational oceanography, leading to economies of scales and more targeted actions. Today, several systems provide routine real-time ocean analysis and forecast and/or reanalysis products. They are all based on (i) state-of-the-art primitive equation baroclinic Ocean General Circulation Model (OGCM) configurations, either global or regional (basin-scale), with resolutions that range from coarse to eddy resolving and (ii) data assimilation techniques whose complexity ranges from simple analysis correction to advanced 4D variational schemes. They assimilate altimeter sea level anomalies, remotely sensed SST such as GHRSST products and in situ profiles of T and S, including ARGO. Some systems have implemented downscaling capacities in specific regions of interest including shelf/coastal seas. Some also have implemented coupling

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil0,649

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0030,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1940,121

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 Opus0,007
Tête enseignante GPT0,193
Écart entre enseignants0,186 · 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'étudeSans objet
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

Citations113
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOceanographyMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207