MétaCan
Menu
Retour à la cohorte
Enregistrement W2911048916

Adjusted Monthly Precipitation, Snowfall and Rainfall for Canada (1874-1990)

2015· dataset· en· W2911048916 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTree-ring climate responses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSnowPrecipitationClimatologyEnvironmental scienceData setClimate changeMeteorologyNational weather serviceDatabaseGeographyComputer scienceMathematicsGeologyStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

this data set was distributed by nsidc until october 2003 when it was withdrawn from distribution because it duplicates the noaa national climatic data center ncdc data set td 9816 canadian monthly precipitation groisman p y 1998 national climatic data center data documentation for td 9816 canadian monthly precipitation national climatic data center 151 patton ave asheville nc 21 pp td 9816 contains monthly rainfall snowfall and precipitation the sum of rainfall and snowfall values from 6 692 stations in canada ncdc investigator pavel groisman obtained the original data from the canadian atmospheric environment service aes in the early 1990s and adjusted the measurements to account for inconsistencies and changes in instrumentation over the period of record td 9816 contains both the original and adjusted data related data are the historical adjusted climate database for canada version december 2002 and rehabilitated precipitation and homogenized temperature data sets provided by the climate monitoring and data interpretation division s climate research branch meteorological service of canada monthly rehabilitated precipitation and homogenized temperature data sets updated annually includes an alternative version of this data set using different correction methods it is distributed by the meteorological service of canada who also provides a microsoft word document that compares the two different data correction 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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,017
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,015

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 Opus0,025
Tête enseignante GPT0,238
Écart entre enseignants0,213 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTree-ring climate responsesTravaux en français237 207