MétaCan
Menu
Retour à la cohorte
Enregistrement W2159015627 · doi:10.1080/1755876x.2015.1049883

The current status of the real-time <i>in situ</i> Global Ocean Observing System for operational oceanography

2015· article· en· W2159015627 sur OpenAlexaff
David M. Legler, Howard J. Freeland, Rick Lumpkin, Gregory Ian Ball, Michael J. McPhaden, Sinopec North, R.D. Crowley, Gustavo Goñi, Uwe Send, M. A. Merrifield

Notice bibliographique

RevueJournal of Operational Oceanography · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesNational Oceanic and Atmospheric Administration
Mots-clésData assimilationOcean observationsRobustness (evolution)Computer scienceEnvironmental scienceOceanographyMeteorologyData scienceClimatologySystems engineeringGeologyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

The GODAE-OceanView collection of papers primarily concerns the development of ocean data-assimilation models for operational oceanography. However, these models cannot function without a secure supply of in situ ocean data in near real-time. Several projects and programmes supply such data. The purpose of this paper is to review these data sources and describe the history, present status, future and robustness of these programmes. The conclusion is that though challenges continue with some components of the Global Ocean Observing System, overall the system continues to evolve and improve. The data are available in real-time to drive assimilation models, and expectations are increasing for more observational data. The prospects for the next 10 years seem to be good. All of the systems are evolving and there is little doubt that the Global Ocean Observing System will look different 10 years from now as new technologies emerge and capabilities improve.

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)0,015
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,002
Communication savante0,0050,008
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,017
Tête enseignante GPT0,241
Écart entre enseignants0,224 · 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

Citations74
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operational OceanographyMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207