MétaCan
Menu
Retour à la cohorte
Enregistrement W4283214027 · doi:10.52912/jsta.2022.2.2.104

SNIPE Mission for Space Weather Research

2022· article· en· W4283214027 sur OpenAlexaff
Jaejin Lee, Jongdae Sohn, Jaehung Park, Tae‐Yong Yang, Hosub Song, Junga Hwang, Young‐Sil Kwak, Won-Kee Park

Notice bibliographique

RevueJournal of Space Technology and Applications · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSolar and Space Plasma Dynamics
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesKorea Astronomy and Space Science Institute
Mots-clésIonosphereSpace weatherCubeSatEarth's magnetic fieldSatelliteEnvironmental sciencePolar orbitSolar windMeteorologyPhysicsGeophysicsAstronomyPlasmaMagnetic field

Résumé

récupéré en direct d'OpenAlex

The Small Scale magNetospheric and Ionospheric Plasma Experiment (SNIPE)’s scientific goal is to observe spatial and temporal variations of the micro-scale plasma structures on the topside ionosphere. The four 6U CubeSats (~10 kg) will be launched into a polar orbit at ~500 km. The distances of each satellite will be controlled from 10 km to more than ~1,000 km by the formation flying algorithm. The SNIPE mission is equipped with identical scientific instruments, Solid-State Telescopes(SST), Magnetometers(Mag), and Langmuir Probes(LP). All the payloads have a high temporal resolution (sampling rates of about 10 Hz). Iridium communication modules provide an opportunity to upload emergency commands to change operational modes when geomagnetic storms occur. SNIPE’s observations of the dimensions, occurrence rates, amplitudes, and spatiotemporal evolution of polar cap patches, field-aligned currents (FAC), radiation belt microbursts, and equatorial and mid-latitude plasma blobs and bubbles will determine their significance to the solar wind-magnetosphere-ionosphere interaction and quantify their impact on space weather. The formation flying CubeSat constellation, the SNIPE mission, will be launched by Soyuz-2 at Baikonur Cosmodrome in 2023.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,166

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0500,038

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 Opus0,020
Tête enseignante GPT0,328
Écart entre enseignants0,309 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Space Technology and ApplicationsMême sujetSolar and Space Plasma DynamicsTravaux en français237 207