MétaCan
Menu
Retour à la cohorte
Enregistrement W2119157125 · doi:10.1071/aseg2001ab116

Operation Treasure Hunt – Does the Ontario model work for you?

2001· article· en· W2119157125 sur OpenAlexaffabout
Stephen Reford, Jonathan Rudd, Lori Churchill

Notice bibliographique

RevueASEG Extended Abstracts · 2001
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensGeological Survey of CanadaMinistry of Transportation of Ontario
Organismes subventionnairesnon disponible
Mots-clésTreasureGeological surveyWork (physics)Variety (cybernetics)DisseminationSurvey data collectionGeologyEnvironmental resource managementGeophysicsGeographyArchaeologyEngineeringComputer scienceEnvironmental scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

The Ontario Geological Survey is midway through a three-year, C$29 million initiative known as Operation Treasure Hunt. Its main objectives are to collect and disseminate geophysical, geochemical and geological data to industry, to identify exploration targets to attract investment in mineral exploration of the province. The geophysical component in the first two years has included the acquisition of nearly 140,000 line-km of magnetic-electromagnetic data over eight survey areas, and the purchase of an additional 105,000 line-km of proprietary data from industry. The Reid-Mahaffy airborne electromagnetic test range was established to facilitate comparison of systems for a variety of geological targets, and has been rapidly adopted by industry. Early impact analysis has shown that the imminent release of geophysical and geochemical data in strategically chosen areas results in a significant increase in claim staking activity and subsequent exploration expenditures in an area. A twinning agreement with the Geological Survey of New South Wales and discussions with other Australian state agencies has allowed the Ontario Geological Survey to optimise its program based on the Australian experience, while adapting it to the local geological and jurisdictional conditions.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,358

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,233
Écart entre enseignants0,210 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueASEG Extended AbstractsMême sujetGeochemistry and Geologic MappingTravaux en français237 207