MétaCan
Menu
Retour à la cohorte
Enregistrement W4281482829 · doi:10.1016/j.dib.2022.108298

Cold region data accessibility portal for Québec (CRDAP-QC): An integrated, multi-variable and multi-scale data repository for studying cold-region hydrological processes in Québec

2022· article· en· W4281482829 sur OpenAlexafffundabout
Ali Nazemi, Shakil Jiwa, Shadi Hatami

Notice bibliographique

RevueData in Brief · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensMcGill UniversityConcordia University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésSnowData archiveUploadSnow coverScale (ratio)Land coverEnvironmental scienceRaw dataPrecipitationElevation (ballistics)Data setStructural basinVariable (mathematics)Remote sensingDatabaseMeteorologyComputer scienceGeographyCartographyLand useGeologyEcologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

We present an integrated data portal and retrieval system for various variable related to hydrology and cryosphere of Québec, named Cold Region Data Accessibility Portal for Québec (CRDAP-QC). The raw data with which this integrated platform is built are pulled from various publicly available data sources. The platform integrates data variables related to climate (maximum, minimum and mean temperature along with total precipitation), snow accumulation (snow cover and depth) as well as Freeze-Thaw characteristics. The platform enables downloading, visualizing, and comparing these data across various temporal (monthly, seasonal and annual) and spatial scales (from 25 × 25 km2 grids, to sub-basin and basin, to the whole province). The platform also provides a Printable Document File with summary of the data, an additional set of information on elevation, land-use, and land-cover as well as the location of climate and hydrometric stations within the chosen area. The portal is available in both English and French.

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)0,007
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,193

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,012
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0580,010

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 Opus0,211
Tête enseignante GPT0,328
Écart entre enseignants0,117 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetClimate change and permafrostTravaux en français237 207