MétaCan
Menu
Retour à la cohorte
Enregistrement W2938080996 · doi:10.1186/s40645-019-0270-5

Review of the accomplishments of mid-latitude Super Dual Auroral Radar Network (SuperDARN) HF radars

2019· article· en· W2938080996 sur OpenAlexaff
Н. Нишитани, J. M. Ruohoniemi, M. Lester, J. B. H. Baker, A. V. Koustov, Simon Shepherd, G. Chisham, Tomoaki Hori, E. G. Thomas, R. A. Makarevich, A. Marchaudon, J. A. Wild, Stephen E. Milan, W. A. Bristow, John Devlin, E. S. Miller, R. A. Greenwald, Tadahiko Ogawa, Takashi Kikuchi

Notice bibliographique

RevueProgress in Earth and Planetary Science · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesScience and Technology Facilities CouncilJapan Society for the Promotion of ScienceNatural Environment Research CouncilSight Research UK
Mots-clésLatitudeIonosphereGeologyLow latitudeRadarMiddle latitudesHigh latitudeGeophysicsAtmospheric sciencesGeodesyComputer science

Résumé

récupéré en direct d'OpenAlex

The Super Dual Auroral Radar Network (SuperDARN) is a network of high-frequency (HF) radars located in the high- and mid-latitude regions of both hemispheres that is operated under international cooperation. The network was originally designed for monitoring the dynamics of the ionosphere and upper atmosphere in the high-latitude regions. However, over the last approximately 15 years, SuperDARN has expanded into the mid-latitude regions. With radar coverage that now extends continuously from auroral to sub-auroral and mid-latitudes, a wide variety of new scientific findings have been obtained. In this paper, the background of mid-latitude SuperDARN is presented at first. Then, the accomplishments made with mid-latitude SuperDARN radars are reviewed in five specified scientific and technical areas: convection, ionospheric irregularities, HF propagation analysis, ion-neutral interactions, and magnetohydrodynamic (MHD) waves. Finally, the present status of mid-latitude SuperDARN is updated and directions for future research are discussed.

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)0,002
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,005
Tête enseignante GPT0,218
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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations245
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Earth and Planetary ScienceMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207