MétaCan
Menu
Retour à la cohorte
Enregistrement W4200182161 · doi:10.1089/ast.2021.0198

Mars Sample Return (MSR): Planning for Returned Sample Science

2021· article· en· W4200182161 sur OpenAlexaff
Gerhard Kminek, Michael A. Meÿer, D. W. Beaty, Brandi L. Carrier, T. Haltigin, L. E. Hays

Notice bibliographique

RevueAstrobiology · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensCanadian Space Agency
Organismes subventionnairesnon disponible
Mots-clésMars Exploration ProgramAstrobiologyExploration of MarsMartianSample (material)Mars landingMartian surfaceSpace researchNASA Chief ScientistSpace explorationEnvironmental scienceComputer scienceEarth scienceRemote sensingAeronauticsGeologyAerospace engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Mars Sample Return (MSR) has been a high priority for the planetary science community for more than four decades. Analyzing martian samples in terrestrial laboratories would advance our understanding of Mars in multiple ways that are impossible using in situ missions alone. The overall MSR concept includes three distinct phases: 1. Selecting and collecting scientifically suitable samples on Mars, currently being carried out by the Mars 2020 mission with the Perseverance rover; 2. Retrieving the samples on Mars and transporting them to Earth; 3. Receiving the samples on Earth, making them available for analysis by the science community for decades to come. With the recent successful collection of the first samples by the Perseverance rover and the ongoing progress by the National Aeronautics and Space Administration (NASA) and the European Space Agency (ESA) on the development of the missions that could retrieve and transport the samples to Earth, MSR continues to move closer to becoming a reality. As Perseverance and the MSR retrieval and return missions progress, it becomes increasingly imperative to develop detailed plans for the receipt and analysis of the samples on Earth to ensure that the full science potential of MSR can be realized.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil0,362

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,278
Écart entre enseignants0,250 · 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 tête enseignante, 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

Citations40
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstrobiologyMême sujetPlanetary Science and ExplorationTravaux en français237 207