On doing hydrology with dragons: Realizing the value of perceptual models and knowledge accumulation
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
Abstract Our ability to fully and reliably observe and simulate the terrestrial hydrologic cycle is limited, and in‐depth experimental studies cover only a tiny fraction of our landscape. On medieval maps, unexplored regions were shown as images of dragons—displaying a fear of the unknown. With time, cartographers dared to leave such areas blank, thus inviting explorations of what lay beyond the edge of current knowledge. In hydrology, we are still in a phase where maps of variables more likely contain hydrologic dragons than blank areas, which would acknowledge a lack of knowledge. In which regions is our ability to extrapolate well developed, and where is it poor? Where are available data sets informative, and where are they just poor approximations of likely system properties? How do we best identify and acknowledge these gaps to better understand and reduce the uncertainty in characterizing hydrologic systems? The accumulation of knowledge has been postulated as a fundamental mark of scientific advancement. In hydrology, we lack an effective strategy for knowledge accumulation as a community, and insufficiently focus on highlighting knowledge gaps where they exist. We propose two strategies to rectify these deficiencies. Firstly, the use of open and shared perceptual models to develop, debate, and test hypotheses. Secondly, improved knowledge accumulation in hydrology through a stronger focus on knowledge extraction and integration from available peer‐reviewed articles. The latter should include metadata to tag journal articles complemented by a common hydro‐meteorological database that would enable searching, organizing and analyzing previous studies in a hydrologically meaningful manner. This article is categorized under: Engineering Water > Planning Water Science of Water > Hydrological Processes Science of Water > Methods
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 | 0,001 | 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 | 0,001 |
| 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