A revised coastal sensitivity index for Canada’s marine coasts calculated using nonparametric statistics
Notice bibliographique
Résumé
A coastal sensitivity index (CSI) is a measure of the sensitivity of a coastline to its physical environment, which provides information useful for coastal management. Traditionally, a CSI is calculated as the mathematical aggregation of coastal sensitivity indicators, which may include factors such as coastal material, relief, and wave energy. The indicators differ depending on study area, but generally are assigned a score ranging from one to five in order of increasing sensitivity. These scores are then aggregated using either the square root of the product mean (the “classic” method) or the geometric mean. Both of these methods are limited by mathematical assumptions, lack of comparability, and the need for empirical validation. In this study, we applied an alternative nonparametric method of calculation, known as μ-statistics, to Canada's marine coasts to provide an improved measure of coastal sensitivity. μ-statistics, which offer a mathematically sound method of aggregating ordinal indicators, have a number of theoretical advantages over the classic and geometric mean methods. In practice, when applied to Canada’s marine coasts, we find that the μ-statistics method (1) compresses the mid-range variability in the resulting sensitivity index, (2) accentuates positive and negative distribution tails, and (3) minimizes propagated errors by 190% and 50%, respectively, compared with the classic and geometric mean methods. Additionally, the μ-statistics method has a theoretical foundation that relieves the necessity to empirically validate the aggregating assumptions and relies only on the assumptions inherent in the scoring method. μ-statistics thus provide a new, rigourous method for the calculation of coastal sensitivity indices when the underlying variables have ordinal scores.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».