MétaCan
Menu
Retour à la cohorte
Enregistrement W2559527814 · doi:10.4043/27431-ms

A Joint Industry Programme to Improve Oil Spill Response in the Arctic

2016· article· en· W2559527814 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArcticOil spillPetroleum industryWork (physics)Environmental scienceThe arcticEnvironmental resource managementEnvironmental planningBusinessOceanographyEngineeringEnvironmental protectionGeologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Results from hundreds of studies, laboratory and basin experiments and field trials conducted worldwide over the past 50 years, in particular in the United States, Canada and Scandinavia, show that the industry has a wide range of viable technologies, beyond mechanical recovery, for oil spill response in the presence of ice in open water. To continue to build on this existing research and improve the technologies and methodologies for Arctic oil spill response, nine international oil and gas companies (BP, Chevron, ConocoPhillips, Eni, ExxonMobil, North Caspian Operating Company, Shell, Statoil, and Total) are working collaboratively in the Arctic Oil Spill Response Technology - Joint Industry Programme (JIP). The JIP has brought together the world’s foremost experts on oil spill response research, development, and operations from across industry, academia, and independent research centres to undertake the technical work and scientific studies. The core areas of research are: dispersants, environmental effects, trajectory modelling, remote sensing, mechanical recovery, and in situ burning (ISB) in Arctic and ice-prone regions. Significant work is committed to developing a robust information database that will support the use of Net Environmental Benefit Analysis for response decision-making and environmental impact assessments related to the Arctic environment. Phase one of the JIP is complete and seventeen research reports dedicated to literature and state-of-theart reviews are available on the JIP website (www.arcticresponsetechnology.org). This initial phase identified specifically targeted research projects to improve industry capabilities and coordination in the area of Arctic oil spill response. Phase two activities actively underway include dispersant effectiveness testing; modelling the fate of dispersed oil in ice; assessing the environmental effects of an Arctic oil spill; advancing oil spill trajectory modelling capabilities in ice; extending the capability to detect and map oil in darkness, low visibility, in and under ice; and expanding the ‘window of opportunity’ for ISB response operations. The JIP is committed to sharing information with the public on the progress and results of its projects with the objective of improving Arctic spill response capabilities.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,791
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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