MétaCan
Menu
Retour à la cohorte
Enregistrement W4234106284 · doi:10.32920/ryerson.14644683.v1

Bicycle Air Monitoring Map Engine

2021· preprint· en· W4234106284 sur OpenAlexaffabout
Kevin Worthington

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensToronto Metropolitan UniversityEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésVolunteered geographic informationAir quality indexCitizen scienceService (business)Geographic information systemSample (material)Quality (philosophy)Computer scienceVisualizationKey (lock)Data collectionAir monitoringTransport engineeringEnvironmental scienceData scienceGeographyRemote sensingEngineeringBusinessMeteorologyComputer securityData mining

Résumé

récupéré en direct d'OpenAlex

Advancements in technology has brought increasingly affordable and more portable air quality sensors to market. These sensors are giving rise to citizen science opportunities where members of the public are able to collect air quality measurements of their surroundings. Managing and sharing this volunteered geographic information (VGI) with the public is made possible through web-based geographic information systems. This project demonstrates how such a system can be developed to manage fine particulate matter (PM₂.₅) data collected by bicyclists in Hamilton and Toronto Ontario. Key features built into the application include an administration console, data visualization engine, direction service and adjustments toolkit. The crowdsourced results are paired with the closest fixed air quality monitor and meteorological data, allowing nearby conditions during sample collection to be accounted for. This project complements regional fixed air quality monitors but attempting to fill the gap between them to create awareness of local PM₂.₅ issues.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil1,000

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 ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,267
Écart entre enseignants0,236 · 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.

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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAir Quality Monitoring and ForecastingTravaux en français237 207