MétaCan
Menu
Retour à la cohorte
Enregistrement W4281723449 · doi:10.1175/bams-d-20-0326.1

The Evolving Role of Humans in Weather Prediction and Communication

2022· article· en· W4281723449 sur OpenAlexaff
Neil A. Stuart, Gail Hartfield, David M. Schultz, Katie A. Wilson, Gregory West, Robert R. Hoffman, Gary M. Lackmann, Harold E. Brooks, Paul J. Roebber, Teresa M. Bals-Elsholz, Holly Obermeier, Falko Judt, Patrick S. Market, Daniel Nietfeld, Bruce Telfeyan, Dan DePodwin, Jeffrey Fries, Elliot Abrams, Jerry A. Shields

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensMinistry of Natural Resources and ForestryBC Hydro (Canada)
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésProcess (computing)Computer scienceScheduleGovernment (linguistics)InterdependenceData scienceOperations researchArtificial intelligenceEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract A series of webinars and panel discussions were conducted on the topic of the evolving role of humans in weather prediction and communication, in recognition of the 100th anniversary of the founding of the AMS. One main theme that arose was the inevitability that new tools using artificial intelligence will improve data analysis, forecasting, and communication. We discussed what tools are being created, how they are being created, and how the tools will potentially affect various duties for operational meteorologists in multiple sectors of the profession. Even as artificial intelligence increases automation, humans will remain a vital part of the forecast process as that process changes over time. Additionally, both university training and professional development must be revised to accommodate the evolving forecasting process, including addressing the need for computing and data skills (including artificial intelligence and visualization), probabilistic and ensemble forecasting, decision support, and communication skills. These changing skill sets necessitate that both the U.S. Government’s Meteorologist General Schedule 1340 requirements and the AMS standards for a bachelor’s degree need to be revised. Seven recommendations are presented for student and forecaster preparation and career planning, highlighting the need for students and operational meteorologists to be flexible lifelong learners, acquire new skills, and be engaged in the changes to forecast technology in order to best serve the user community throughout their careers. The article closes with our vision for the ways that humans can maintain an essential role in weather prediction and communication, highlighting the interdependent relationship between computers and humans.

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)0,013
score de la tête « metaresearch » (Gemma)0,015
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,010
Communication savante0,0180,016
Science ouverte0,0010,007
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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
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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207