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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,018
Communication savante0,0160,017
Science ouverte0,0030,014
Intégrité de la recherche0,0080,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
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