MétaCan
Menu
Retour à la cohorte
Enregistrement W2760573911

Insights into fog and cloud chemistry from high resolution mass spectrometry

2008· article· en· W2760573911 sur OpenAlexfundno aff
Yele Sun, Qi Zhang, Lynn Mazzoleni, Jeffrey L. Collett, Utpal Rowchowdhury

Notice bibliographique

RevueDigital Commons - Michigan Tech (Michigan Technological University) · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, San DiegoNatural Resources CanadaNational Oceanic and Atmospheric AdministrationUniversity at AlbanyHarvard UniversityMote Marine Laboratory and AquariumCenters for Disease Control and PreventionUniversity of MumbaiNational Institute for Occupational Safety and HealthWest Virginia UniversityTexas Tech UniversityCarnegie Mellon UniversityU.S. Department of AgricultureColorado State UniversityCalifornia Air Resources BoardGeorgia Institute of TechnologyBoston CollegeArizona State UniversityUniversity of Wisconsin-MadisonGwangju Institute of Science and TechnologyUniversity of California, Los AngelesCarleton CollegeNew York State Department of Environmental ConservationNational Environmental Engineering Research InstituteUniversity of Southern CaliforniaCalifornia Department of Public HealthRice UniversityU.S. Environmental Protection Agency
Mots-clésMass spectrometryChemistryHigh resolutionCloud computingChromatographyComputer scienceRemote sensingGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

These two courses (Tutorials 1 and 5) form a sequence that covers basic aerosol mechanics (particle motion) at an introductory level.Topics include: Stokes law, settling velocity, slip correction, aerodynamic diameter, nonspherical particles, acceleration, relaxation time, stopping distance, impaction, isokinetic sampling, diffusion, and coagulation.The course covers theory and applications and is suitable for those new to the field and for others who want to brush up on the basics.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,008
Tête enseignante GPT0,156
Écart entre enseignants0,148 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Commons - Michigan Tech (Michigan Technological University)Même sujetAtmospheric chemistry and aerosolsTravaux en français237 207