MétaCan
Menu
Retour à la cohorte
Enregistrement W4256290989 · doi:10.1002/essoar.10503497.2

N/A

2020· preprint· en· W4256290989 sur OpenAlexaff
A. S. McEwen, E. I. Schaefer, C. M. Dundas, Sarah Sutton, L. K. Tamppari, M. Chojnacki

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueData Quality and Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésWorld Wide WebEmail authenticationElectronic mailComputer science

Résumé

récupéré en direct d'OpenAlex

Following the planet-encircling dust event (PEDE) of Mars Year (MY) 34, MRO/HiRISE has seen many more candidate RSL than in typical Mars years. They were imaged at more than 285 unique locations from August 2018 to August 2019, 157 where RSL had not been seen previously. Of the locations where RSL had been observed in the same season of prior Mars years, 34 sites had more extensive RSL coverage than MY29-33; none had less extensive RSL. 150 active RSL sites were identified in the southern middle latitudes (SMLs) versus the 36/year average during MY28-33. RSL are present on ~87% of the HiRISE images covering steep, rocky slopes in the SML in southern summer of MY34, rather than ~40% as in prior years. Post-PEDE RSL are also present over a wider combined range of latitude, slope aspect, and season than in prior years. These RSL sites usually show evidence for recent dust deposition. There are clear dust devil tracks in 54% of post-PEDE images with RSL, and in 73% of such images in the SMLs and L=236°-360° (late southern spring to the end of summer), where and when dust devils are most active. The tracks indicate dust lifting, by several mechanisms. We suggest that dust lifting processes on steep slopes may initiate and sustain RSL formed from flows of dust (perhaps clumped) and/or sand that is destabilized by dust movement. The otherwise puzzling recurrence and year-to-year variability of RSL activity can be at least partly explained by variable yearly dust fallout.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
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 savante0,0010,000
Science ouverte0,0020,006
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,012

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 Opus0,655
Tête enseignante GPT0,529
Écart entre enseignants0,125 · 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'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'admission1
Résumé présentoui

Explorer davantage

Même sujetData Quality and ManagementTravaux en français237 207