MétaCan
Menu
← Retour à la cohorte
Enregistrement W2128270800 · doi:10.7202/1000061ar

Pollen analysis: state of the art

2010· article· en· W2128270800 sur OpenAlexaffvenue
Gordon J. Ogden

Notice bibliographique

RevueGéographie physique et Quaternaire · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPollenRadiocarbon datingGeologySampling (signal processing)Physical geographySedimentationLatitudePaleontologySedimentGeodesyGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

Although nearly 50 years have passed since P.B. Sears introduced pollen analysis to North America, it remains an occult art. Dramatic improvements in sampling and analytic techniques continue to be limited by intractable problems of differential production, dispersal, ballistics, sedimentation, and preservation. It is a basic tenet of pollen stratigraphy that the data set, consisting primarily of microfossils preserved in sediments, is better than anything we have yet been able to do with it. Basic agreement between late- and postglacial pollen records has been confirmed wherever the method has been applied. Quantitative sampling techniques, sample preparation, and analytic procedures, together with multiple radiocarbon dates, permits calculation of sedimentation rates and absolute pollen influx. Of approximately 300 sediment cores from northeastern North America, fewer than 30 have more than 3 radiocarbon determinations from which least squares power curve regressions can be reliably calculated in the determination of sedimentation rates. Analogy with modern environments represented by surface pollen spectra is limited by an insufficient number of samples of uniform quality to characterize a vegetational mosaic covering 40 degrees of latitude (40-80°N) and longitude (60-100°W). The present surface pollen data bank includes about 700 samples, unevenly spaced and of uneven quality, permitting a grid resolution of no better than 10,000 km2.

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)0,016
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,013
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0100,008
Études des sciences et des technologies0,0010,005
Communication savante0,0070,005
Science ouverte0,0060,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,010

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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,231 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGéographie physique et Quaternaire→Même sujetGeology and Paleoclimatology Research→Travaux en français237 207→