MétaCan
Menu
Retour à la cohorte
Enregistrement W4226063389 · doi:10.1029/2021ea002204

Atmospheric Sciences Perspectives on Integrated, Coordinated, Open, Networked (ICON) Science

2022· article· en· W4226063389 sur OpenAlexaff
Peter D. Blanken, Dominique Brunet, Christian Domínguez, Sentia Goursaud, Sharfaa Hussain, Madhavi Jain, Gerbrand Koren, Ye Mu, Pallav Ray, Pallavi Saxena, Saurabh Sonwani, Dibyendu Sur

Notice bibliographique

RevueEarth and Space Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésIconComputer scienceAtmosphere (unit)State (computer science)Data scienceMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This collaborative article discusses the opportunities and challenges of adopting integrated, coordinated, open, and networked (ICON) principles in atmospheric sciences. From the global nature of the atmosphere, there has always been a need for atmospheric science to be an ICON science. With the help of evolving technology, it is possible to go further in implementing and spreading the ICON principles for productive global collaboration. In particular, technology transfer and applications could be approached with reproducibility in mind, and data‐sharing infrastructure could enable easier and better international collaboration. There are, however, various challenges in following the ICON principles in the acquisition, quality control, and maintenance of data, and the publication of results in a systematic way. Moreover, the extent of such issues varies geographically and hence poses different challenges to implementing ICON principles. In this commentary article, we briefly state our perspectives on the state of ICON, challenges we have met, and future opportunities. Furthermore, we describe how atmospheric science researchers have benefited from these collaborative multi‐dimensional approaches that fulfill the core goal of ICON.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,005
Études des sciences et des technologies0,0050,010
Communication savante0,0010,001
Science ouverte0,0020,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,251
Écart entre enseignants0,235 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth and Space ScienceMême sujetClimate variability and modelsTravaux en français237 207