MétaCan
Menu
Retour à la cohorte
Enregistrement W2163974371 · doi:10.1016/0967-0653(95)99734-9

10.1016/0967-0653(95)99734-9

2000· article· en· W2163974371 sur OpenAlexvenueno aff
Lyndell Z. Hales

Notice bibliographique

RevueTime to knit · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Sediment Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDredgingEngineeringEnvironmental scienceOperations researchOceanography

Résumé

récupéré en direct d'OpenAlex

The navigation mission of the US Army Corps of Engineers entails maintenance and improvement of about 40,000 km of navigable channels serving 400 ports, including 130 of the nation's 150 largest cities. The Corps dredges an average annual 230 million cu m of sedimentary material at an annual cost of about $400 million (US). The Dredging Research Program (DRP) was conceived as an applied R&D program to meet documented needs of the Corps' division and district offices for technological advances to optimize its dredging activities. The $35 million (US), 7-year DRP was initiated in 1988. Many distinct products have been developed by the DRP for which annual and one-time direct and indirect benefits are quantifiable. For the first time in the US, a detailed study has been conducted to accurately quantify and document the economic benefits of a federal R&D program. The DRP applied private industry uncertainty analyses to quantify in dollars Corps-wide use of DRP products. A computerized Monte Carlo simulation, skewed to the right, allowed conservative benefit certainty to be developed from DRP benefit estimates. The certainty simulations provide a 90 percent confidence level ascertaining that application of DRP products will benefit the US at least $14 million (US) annually in 1994, and at least $109 million (US) by 1998, in 1994 dollars.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,002
Communication savante0,0050,006
Science ouverte0,0030,004
Intégrité de la recherche0,0070,003
Charge utile insuffisante (le modèle a refusé de juger)0,9920,993

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 Opus0,003
Tête enseignante GPT0,141
Écart entre enseignants0,138 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations9
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTime to knitMême sujetEnvironmental and Sediment ControlTravaux en français237 207