MétaCan
Menu
Retour à la cohorte
Enregistrement W2618363144 · doi:10.15517/jte.v27i1.25429

Usando la red de estaciones SIRGAS de Costa Rica para la cuantificación de las discrepancias respecto de un procesamiento PPP en línea

2017· article· es· W2618363144 sur OpenAlexaboutno aff
Jorge Moya Zamora

Notice bibliographique

RevueIngeniería · 2017
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economic and Spatial Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Se cuantificaron las discrepancias en las coordenadas geocéntricas [X,Y,Z] obtenidas entre soluciones GPS procesadas en línea con el software del Canadian Space Reference System (CSRS) bajo la modalidad de Posicionamiento Puntal Preciso (PPP) y las soluciones semanales obtenidas de un postproceso científico generadas por el Sistema Geocéntrico para las Américas (SIRGAS). La red de trabajo contempló 10 estaciones de la red SIRGAS-CON de Costa Rica, de las cuales se usaron un año de datos diarios comprendidos entre las semanas 1803 (julio de 2014) de y 1854 (julio de 2015). La metodología implementada consistió en el procesamiento en línea de 3614 archivos rinex de 24 horas con el servicio CSRS. Los resultados permitieron cuantificar las discrepancias PPP diarias entre las coordenadas, las discrepancias de la solución promedio semanal PPP y finalmente las discrepancias esta solución promedio respecto a la solución final semanal SIRGAS. Estas discrepancias se usaron para hacer una estimación nacional por medio de una interpolación con el método IDW. Los resultados de las soluciones PPP y SIRGAS se usaron para determinar los 6 parámetros de transformación para cada una se las semanas comprendidas en el estudio. Los resultados fueron significativos con valores de -58,5 mm ± 17,5 mm, de -34,3 mm ± 6,2 mm y de -161,6 mm ± 26,2 mm para las traslaciones en [X,Y,Z] respectivamente y rotaciones promedio en los tres ejes de 0,003600" ± 0,000341".

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,526
Score d'incertitude au seuil0,954

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,007
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,030
Tête enseignante GPT0,277
Écart entre enseignants0,247 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngenieríaMême sujetRegional Economic and Spatial AnalysisTravaux en français237 207