MétaCan
Menu
Retour à la cohorte
Enregistrement W4245255549 · doi:10.9752/ts056.04-11-2019

Grain Transportation Report, April 11, 2019

2019· report· en· W4245255549 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Grain Inspections Up for Third Consecutive WeekFor the week ending April 4, total inspections of grain for export from all major U.S. export regions reached 2.52 million metric tons (mmt).This shows a 1 percent increase from the previous week, a 10 percent decrease from last year, and a 5 percent increase from the 3-year average.Inspections of grain were up for the third consecutive week.The increase in inspections was driven by a 19 percent increase in wheat inspections and a 21 percent increase in soybean inspections.Soybean shipments destined to China rebounded, increasing 45 percent from week to week.Inspections of corn, however, were down 18 percent from the past week.Pacific Northwest (PNW) inspections increased 18 percent from the previous week, while Mississippi Gulf inspections decreased 19 percent. Flooding Continues to Disrupt Barge TrafficOn-going flooding continues to disrupt barge traffic on the major waterways.As of April 11, there are 10 locks on the Upper Mississippi River that are closed due to high water.To ensure safe passage under bridges that span the Mississippi River, barge traffic is restricted to daylight only in several locations on the Lower Mississippi River and in the St. Louis area.American Commercial Barge Line reports river levels at Memphis * The International Convention for the Prevention of Pollution from Ships is also known as the Maritime Pollution or MARPOL Convention.The 0.10 percent limit applies in the four established ECAs: the Baltic Sea area; the North Sea area; the North American area (covering designated coastal areas off the United States and Canada); and the United States Caribbean Sea area (around Puerto Rico and the United States

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,237
Score d'incertitude au seuil0,471

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,1230,115

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 GPT0,243
Écart entre enseignants0,227 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetForest Biomass Utilization and ManagementTravaux en français237 207