Pacific-wide marine metadata discovery, management and delivery: The PICES Metadata Federation
Notice bibliographique
Résumé
No abstracts are to be cited without prior reference to the author.The member countries of the North Pacific Marine Science Organization (PICES) separately maintain vast quantities of marine ecosystem data. To support detection and prediction of ecosystem change in the North Pacific Ocean, it is beneficial to discover data holdings with a single search, rather than having to access each country’s records, perhaps stored in different languages and formats. We report on the creation of a PICES “metadata federation” of member countries (Canada, People’s Republic of China, Japan, Republic of Korea, Russian Federation, and the United States of America). Through (1) English-language coding of metadata using the Federal Geographic Data Committee standard; (2) acquisition, installation and configuration of ANSI Z39.50-1995 (ISO 10163-1995) open-source communications software on a public-access server; and (3) registration with a clearinghouse, it is possible for any metadata-serving agency to become part of the PICES Metadata Federation. The federation enables an Internet user to search the collected metadata holdings of any or all members, thus providing access to information across national holdings in a single search. To date, metadata collections from Japan, the Russian Federation, Republic of Korea, USA and China are federated. This activity supports PICES’ goals to promote and co-ordinate marine scientific research in the northern North Pacific and adjacent marginal seas; to advance scientific knowledge about the ocean environment, global weather and climate change, living resources and their ecosystems, and the impact of human activities on them; and to promote the collection and rapid exchange of scientific information on these issues.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».