MétaCan
Menu
Retour à la cohorte
Enregistrement W2619938457 · doi:10.14430/arctic4644

Slush-Ice Berm Formation on the West Coast of Alaska

2017· article· en· W2619938457 sur OpenAlexaffvenue
Laura Eerkes-Medrano, David Atkinson, Hajo Eicken, Bill Nayokpuk, Harvey Sookiayak, Eddie Ungott, Winton Weyapuk

Notice bibliographique

RevueARCTIC · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésBermSlushGeologyShoreSwashCobbleWinter stormSnowPremeltingGeomorphologyOceanographyHydrology (agriculture)Geotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Some coastal communities in western Alaska have observed the occurrence of “slush-ice berms.” These features typically form during freeze-up, when ice crystal – laden water accumulates in piles on the shore. Slush-ice berms can protect towns from storm surge, and they can limit access to the water. Local observations from the communities of Gambell, Shaktoolik, Shishmaref, and Wales were synthesized to develop a taxonomy of slush-ice berm types and a conceptual process model that describes how they form and decay. Results indicated two types of slush-ice berm formation processes: in situ (forming in place) and advective (pushed in by storm winds). Several formation mechanisms were noted for the crystals that compose in situ berms. Cold air temperatures cool the surface of the water, and winds that translate surface cooling through a greater depth aid crystal formation. Snow landing in the water cools via melting of the snow and by contributing crystals directly to the water. A negative surge can expose the wet beach to cold air, allowing crystals to form on the beach, which are then picked up by waves. Slush crystals for advective berm events form offshore. Winds move the slush towards shore, where it accumulates, and wind-induced waves move it up onto the beach.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,033
Score d'incertitude au seuil0,916

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,215
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations13
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueARCTICMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207