(U-Th)/He chronology: Part 1. Data, uncertainty, and reporting
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 The field of (U-Th)/He geochronology and thermochronology has grown enormously over the past ∼25 years. The tool is applicable across much of geologic time, new (U-Th)/He chronometers are under continuous development, and the method is used in a diverse array of studies. Consequently, the technique has a rapidly expanding user base, and new labs are being established worldwide. This presents both opportunities and challenges. Currently there are no universally agreedupon protocols for reporting measured (U-Th)/He data or data derivatives. Nor are there standardized practices for reporting He diffusion kinetic, 4He/3He, or continuous ramped heating data. Approaches for reporting uncertainties associated with all types of data also vary widely. Here, we address these issues. We review the fundamentals of the methods, the types of materials that can be dated, how data are acquired, the process and choices associated with data reduction, and make recommendations for data and uncertainty reporting. We advocate that both the primary measured and derived data be reported, along with statements of assumptions, appropriate references, and clear descriptions of the methods used to compute derived data from measured values. The adoption of more comprehensive and uniform approaches to data and uncertainty reporting will enable data to be re-reduced in the future with different interpretative contexts and data reduction methods, and will facilitate inter-comparison of data sets generated by different laboratories. Together, this will enhance the value, cross-disciplinary use, reliability, and ongoing development of (U-Th)/He chronology.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,104 | 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