Adding value to big acoustic data from ocean observatories: Metadata, online processing, and a computing sandbox
Notice bibliographique
Résumé
Ocean Networks Canada (ONC) operates ocean observatories on all three of Canada's coasts. The instruments produce 300 gigabytes of data per day with over 600 terabytes archived so far. The majority of this data is acoustic, both passive (335 TB) and active (20 TB). This demonstrates the unprecedented capability of cabled observatories to provide unlimited power and data for high bandwidth, continuous data acquisition. Handling this data is a challenge. Metadata, calibration, quality control, and access must be considered. The volume of data is too great for most users to handle. Even if they could store and process it, data transfer to users' computers is a limiting, and perhaps unnecessary step. To address these challenges, ONC has developed a data portal, known as Oceans 2.0, that includes on-demand user-configurable online previewing and processing and a computing “sandbox” where users can upload their own code to process the data. The data portal is now fully accessible by web services. The sandbox is a contained, secure environment with direct access to the data. This paper will present our experience and best practices, including use cases, from acquisition to adding value to the data with these new computing methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,016 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».