MétaCan
Menu
Retour à la cohorte
Enregistrement W2557988461 · doi:10.4043/27380-ms

The Application of Automated SEM-Based Identification of Detrital and Diagenetic Mineral Phases in Offshore Cuttings from the Labrador Sea - Looking for the Source

2016· article· en· W2557988461 sur OpenAlexaffabout
Derek H. C. Wilton, Martin Feely, James Carter, Alessandra Costanzo, J. Hunt

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensNalcor Energy (Canada)Memorial University of Newfoundland
Organismes subventionnairesUniversity of Queensland
Mots-clésGeologyDiagenesisHeavy mineralSedimentGeochemistrySubmarine pipelineProvenanceSource rockMetamorphic rockIgneous rockMineralMineralogySuiteMineral resource classificationPaleontologyOceanographyArchaeologyStructural basin

Résumé

récupéré en direct d'OpenAlex

Abstract MLA-SEM analyses can quantitatively define the modal mineralogy of detrital components in a variety of sample material including offshore well cuttings such that the possible source(s) of the detrital material might be ascertained. The MLA data can be queried for combinations of detrital minerals that might reflect a specific source terrane (e.g., igneous suite, metamorphic complex, etc.). In some cases, minerals may be identified that might have a unique sediment source region. The MLA data can also be examined to evaluate whether trends of changing detrital mineral compositions through time (i.e., stratigraphically) can be documented that may reflect regional changes in the level of tectonism, potential unroofing a given sediment source area, and/or shifts between sediment source areas. The MLA analyses can be used to produce maps of radiometrically dateable mineral phases within a given sample, that might be used to derive radiometric dates.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArctic Technology ConferenceMême sujetGeological and Geochemical AnalysisTravaux en français237 207