MétaCan
Menu
Retour à la cohorte
Enregistrement W2913474079 · doi:10.4095/313586

Comprehensive groundwater data management and analyses - raising the bar

2019· report· en· W2913474079 sur OpenAlexaboutno aff
S Holysh, R Geber, Mason Marchildon, Megan Doughty, Brian A. Smith

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineComputer Science
ThématiqueAdvanced Computational Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRaising (metalworking)Bar (unit)GroundwaterEnvironmental scienceGeologyGeographyEngineeringGeotechnical engineeringMeteorologyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

"What matters gets measured" "You can't manage what you don't measure". When it comes to Ontario's groundwater resources these old adages certainly strike a chord. What do we really know about our groundwater systems? Have we been sufficiently measuring and monitoring the resource? Do we effectively integrate some 50 years of previous knowledge into day to day decision making? Since 2001, the long standing Oak Ridges Moraine Groundwater Program (ORMGP - formerly referred to as YPDT-CAMC Groundwater Management Program) has been working to: i) assemble a comprehensive and reliable source of groundwater related data; ii) bring critical analyses to the data; and iii) construct a geological and hydrogeological framework into which new drilling and information can be incorporated. The results of this work are being made available through an interactive website where numerous 'themed' maps (e.g. geology, water levels, documents, etc.) intuitively provide ready access to the program's data and interpretive geological and hydrogeological framework. As an integral part of the program's over-arching goal of improving upon water management decision-making in Ontario, an ongoing process is to engage practitioners on a variety of levels to arrive at a point where regular contributions of data, insight and information are returned back to this 'actively managed' program, thus improving the hydrogeological knowledge-base for the broader community.

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)0,050
score de la tête « metaresearch » (Gemma)0,090
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,303

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,090
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,011
Études des sciences et des technologies0,0030,006
Communication savante0,0150,021
Science ouverte0,0040,009
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,296
Tête enseignante GPT0,444
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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Computational Techniques and ApplicationsTravaux en français237 207