Visualization and Sharing of 3D Digital Outcrop Models to Promote Open Science
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
High-resolution 3D data sets, such as digital outcrop models (DOMs), are increasingly being used by geoscientists to supplement field observations and enable multiscale and repeatable analysis that was previously difficult, if not impossible, to achieve using conventional methods. Despite an increasing archive of DOMs driven by technological advances, the ability to share and visualize these data sets remains a challenge due to large file sizes and the need for specialized software. Together, these issues limit the open exchange of data sets and interpretations. To promote greater data accessibility for a broad audience, we implement three modern platforms for disseminating models and interpretations within an open science framework: Sketchfab, potree, and Unity. Web-based platforms, such as Sketchfab and potree, render interactive 3D models within standard web browsers with limited functionality, whereas game engines, such as Unity, enable development of fully customizable 3D visualizations compatible with multiple operating systems. We review the capabilities of each platform using a DOM of an extensive outcrop exposure of Late Cretaceous fluvial stratigraphy generated from uninhabited aerial vehicle images. Each visualization platform provides end-users with digital access and intuitive controls to interact with large DOM data sets, without the need for specialized software and hardware. We demonstrate a range of features and interface customizability that can be created and suggest potential use cases to share interpretations, reinforce student learning, and enhance scientific communication through unique and accessible visualization experiences.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle