MétaCan
Menu
Retour à la cohorte
Enregistrement W3208439977 · doi:10.5281/zenodo.1402033

Dataset Of E. Huxleyi Blooms: Spatio-Temporal Distribution And Their Impact On High-Latitudinal Marine Environments (1998-2016)

2018· dataset· en· W3208439977 sur OpenAlexaboutno aff
Dmitry Kondrik, Eduard Kazakov, Dmitry Pozdnyakov

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOceanographyEnvironmental scienceDistribution (mathematics)Algal bloomGeographyPhysical geographyEcologyGeologyBiologyPhytoplanktonMathematicsNutrient

Résumé

récupéré en direct d'OpenAlex

Dataset of coccolithophore blooms in polar seas of the Northern Hemisphere, viz. the North, Labrador (with adjacent North Atlantic open waters), Norwegian, Barents, Greenland and Bering seas are presented for the period 1998-2016. Seas are divided into 4 regions, for each of them continuous data series (as 8-days composites) are published, including information about bloom spatial masks, coccolith concentration, particulate inorganic carbon content and CO<sub>2</sub> partial pressure in water increment driven by coccolithophores. Datasets are published as NetCDF files with full metadata/descriptions and with GDAL support. Additional information (regions configuration, data access instructions) is provided alongside the data. Naming convention is: <strong>niersc_cocco_&lt;version of dataset&gt;_&lt;region&gt;_&lt;start date&gt;_&lt;end date&gt;.nc</strong>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0340,004

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 Opus0,020
Tête enseignante GPT0,216
Écart entre enseignants0,196 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetMarine and environmental studiesTravaux en français237 207