MétaCan
Menu
Retour à la cohorte
Enregistrement W3043658804 · doi:10.5258/soton/d0944

Devi River and Mahanadi River catchments modelled elevation change

2019· dataset· en· W3043658804 sur OpenAlexaboutno aff
Sarah Spinney, Stephen E. Darby, John A. Dearing

Notice bibliographique

RevueePrints Soton (University of Southampton) · 2019
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElevation (ballistics)GeographyVulnerability (computing)Work (physics)Government (linguistics)SustainabilityInternational developmentClimate changeDrainage basinEnvironmental planningEnvironmental resource managementPolitical scienceCartographyEngineeringEnvironmental scienceOceanographyGeologyComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

This dataset forms the foundation of the results generated in the thesis: Morphological Evolution and Sustainability of Deltas in the 21st Century. Modelled elevation change in the Devi and Mahanadi river catchment for the years 2045, 2065, and, where applicable, 2075. Results were produced using the CAESAR-Lisflood model. See chapter 5 of thesis for a full scenario description. The file name refers to the name of the scenario followed by the number of years into the model run: elevdat.430.tst for example refers to elevation change at the year 2045 under scenario 4DWD. The files 'levee break' and 'subdelta' refer to the additional scenarios as described in chapter 7 of the thesis.This work is carried out under the Deltas, vulnerability and Climate Change: Migration and Adaptation (DECCMA) project (IDRC 107642) under the Collaborative Adaptation Research Initiative in Africa and Asia (CARIAA) programme with financial support from the UK Government's Department for international Development (DFID) and the International Development Research Centre (IDRC), Canada. The views expressed in this work are those of the creators and do not necessarily represent those of DFID and IDRC or its Boards of Governors.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0340,025

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 GPT0,216
Écart entre enseignants0,191 · 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'étudeSimulation ou modélisation
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueePrints Soton (University of Southampton)Même sujetFlood Risk Assessment and ManagementTravaux en français237 207