MétaCan
Menu
Retour à la cohorte
Enregistrement W3185911572 · doi:10.1175/bams-d-20-0199.1

Bringing Microphysics to the Masses: The Blowing Snow Observations at the University of North Dakota: Education through Research (BLOWN-UNDER) Campaign

2021· article· en· W3185911572 sur OpenAlexaff
Aaron Kennedy, Aaron K. Scott, Nicole Loeb, Alec Sczepanski, Kaela Lucke, Jared W. Marquis, Sean Waugh

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesOffice of Experimental Program to Stimulate Competitive ResearchNational Science Foundation
Mots-clésOutreachSoftware deploymentSnowMeteorologyEnvironmental scienceInstrumentation (computer programming)Winter stormNational weather serviceRemote sensingGeographyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Harsh winters and hazards such as blizzards are synonymous with the northern Great Plains of the United States. Studying these events is difficult; the juxtaposition of cold temperatures and high winds makes microphysical observations of both blowing and falling snow challenging. Historically, these observations have been provided by costly hydrometeor imagers that have been deployed for field campaigns or at select observation sites. This has slowed the development and validation of microphysics parameterizations and remote sensing retrievals of various properties. If cheaper, more mobile instrumentation can be developed, this progress can be accelerated. Further, lowering price barriers can make deployment of instrumentation feasible for education and outreach purposes. The Blowing Snow Observations at the University of North Dakota: Education through Research (BLOWN-UNDER) Campaign took place during the winter of 2019/20 to investigate strategies for obtaining microphysical measurements in the harsh North Dakota winter. Student led, the project blended education, outreach, and scientific objectives. While a variety of in situ and remote sensing instruments were deployed for the campaign, the most novel aspect of the project was the development and deployment of OSCRE, the Open Snowflake Camera for Research and Education. Images from this instrument were combined with winter weather educational modules to describe properties of snow to the public, K–12 students, and members of indigenous communities through a tribal outreach program. Along with an educational deployment of a Doppler on Wheels mobile radar, nearly 1,000 individuals were reached during the project.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,413

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,260
Écart entre enseignants0,208 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetCryospheric studies and observationsTravaux en français237 207