MétaCan
Menu
← Retour à la cohorte
Enregistrement W4238422399 · doi:10.11647/obp.0193.11

Air

2020· book-chapter· en· W4238422399 sur OpenAlexaffabout
Jon Abbatt

Notice bibliographique

RevueOpen Book Publishers · 2020
Typebook-chapter
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensAlberta Oil Sands Technology and Research AuthorityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHarmAsideAtmosphere (unit)Clean Air ActAir pollutionPolitical scienceEnvironmental protectionEnvironmental planningNatural resource economicsEngineeringBusinessEnvironmental scienceGeographyMeteorologyLawChemistryEconomics

Résumé

récupéré en direct d'OpenAlex

Amid the bleaker assessments of other contributions, this chapter offers a rare success story, outlining how we have been quicker to mitigate the harm wrought on Earth’s atmosphere. This is, in part, due to the directly visible nature of our impacts: London’s ‘Great Smog’ in 1952; satellite images of a gaping hole in the Ozone layer in the 1980s; the accumulation of ground level ozone, reacting with lead in gasoline fumes, in Los Angeles; acid rain. These indicators led to a series of decisive measures: the UK Clean Air Act in 1956; the banning of CFCs beginning with the Montreal Protocol in 1987; the introduction of catalytic converters; and subsequent amendments to the US Clean Air Act in 1996. These successes aside, the chapter emphasizes the greater threat of air-borne particulate matter that continues to contribute to pollution and is harder to eradicate. This will continue to be an issue as forests are burned, as inefficient fuel usage for cooking in developing nations persists, and as industrial activities – twinned to the inexorable rise of urban populations – continue. The chapter ends on the hope that a combination of technological innovation, transformation of the global energy network and effective public policy can enact the fundamental changes needed to protect our atmosphere.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,325
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,3250,215

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 Opus0,022
Tête enseignante GPT0,207
Écart entre enseignants0,184 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Book Publishers→Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→