Notice bibliographique
Résumé
The Ocean Mapping Group has been collecting data in the Arctic since 2003 and there are approximately 2,000 basemaps. In the current online storage format used by the OMG, it is difficult to view the data and users cannot easily pan and zoom. The purpose of this research is to investigate the advantages of the use of Google Maps, to display the OMG's Arctic data. The map should should load the large Artic dataset in a reasonable time. The bathymetric images were created using software in Linux written by the OMG, and a step-by-step process was used to create images from the multibeam data collected by the OMG in the Arctic. The website was also created using Linux operating system. The projection needed to be changed from Lambert Conformal Conic (useful at higher Latitudes) to Mercator (used by Google Maps) and the data needed to have a common colour scheme. After creating and testing a prototype website using Google Ground overlay and Tile overlay, it was determined that the high resolution images (10m) were loading very slowly and the ground overlay method would not be useful for displaying the entire dataset. Therefore the Tile overlays were selected to be used within Google Maps. Tile overlays used for this project proved to be useful for large datasets because they cut the image into many different tiles and load only the part of the image (tile) within the map window bounds. 1.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».