Data on under-ice temperatures and solar radiation in Lake Ngoring (Qinghai-Tibet)
Notice bibliographique
Résumé
Dataset description: Data on under-ice temperatures and solar radiation were collected in Lake Ngoring in winter 2015/2016 in a field experiment on under-ice mixing and radiation regime of Tibetan lakes. See Kirillin et al. (submitted to Geophysical Research Letters 2021) for the details on the experiment. _Metadata_ Study site: Lake Ngoring (35° 02.65'N, 97° 42.23'E) Observation period: 01 Nov 2015 - 01 Jun 2016 -- DATASET 1 Data type: Time series of water temperature [°C] at different depths. Probes: T-Solo (RBR Canada) Pre-processing: data sampled at 10 s rate and averaged over 30 min intervals. data file(s): TibetTemp.csv data format: comma separated variables data table contains temperature values (one column per measurement depth) except 1st column: UTC Date and Time [dd-mmm-yyyy HH:MM] 1st row: Depth from the surface [metres] ---- DATASET 2 Data type: quantum irradiance [μmol s^-1 m^-2] at 2.4 m and 3.6 m depth from the lake surface probe(s): JFE Advantech DEFI2-L cosine corrected PAR radiation logger (JFE Advantech, Japan) Pre-processing: data sampled at 10 min rate and averaged over 30 min intervals. data file(s): TibetRad.csv data format: comma separated variables 1st column: UTC Date and Time [dd-mmm-yyyy HH:MM] 2nd column: quantum irradiance [μmol s^-1 m^-2] at 2.4 m depth 3rd column: quantum irradiance [μmol s^-1 m^-2] at 3.6 m depth
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,010 |
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 ».