Pratique de l’analyse de l’autocorrélation spatiale en géomorphologie : définitions opératoires et tests
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
L’autocorrélation spatiale peut être définie comme la ressemblance des valeurs prises par une variable, exprimée en fonction de leur localisation géographique. L’analyse de l’autocorrélation permet de quantifier la régularité spatiale d’un phénomène (une forme de complexité spatiale) et de déterminer la portée de la dépendance spatiale afin, notamment, de définir un dispositif d’échantillonnage garantissant l’indépendance des données, autorisant ainsi l’utilisation des tests statistiques usuels. L’article aborde trois points : i) définition opératoire de l’autocorrélation pour des variables quantitatives ou qualitatives ; ii) utilisation des tests de randomisation pour tester l’hypothèse nulle d’absence d’autocorrélation ; iii) illustration des deux points précédents par des exemples. Trois jeux de données simulés sont présentés pour illustrer les différences entre les statistiques : le premier ne présente aucune structure spatiale, le deuxième est caractérisé par une structure spatiale périodique, le troisième est un gradient linéaire. Deux jeux de données géomorphologiques sont également analysés : i) une série de segments fluviaux élémentaires, distribués longitudinalement, et sur lesquels ont été mesurées la largeur et l’incision d’un lit fluvial ; ii) la cartographie des formes d’érosion d’un bassin versant, traitée comme une image matricielle. Dans le premier cas, la structure emboîtée des tronçons géomorphologiquement homogènes est mise en lumière, et ce à différentes échelles spatiales. Le second exemple montre qu’une analyse omnidirectionnelle peut conduire à sous-estimer la portée de l’autocorrélation lorsque le phénomène étudié présente une orientation géographique privilégiée. Dans ce cas, il peut s’avérer impossible de définir un échantillon de données spatialement indépendantes, répondant aux exigences des tests statistiques classiques.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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