MétaCan
Menu
Retour à la cohorte
Enregistrement W4312791087 · doi:10.1175/aies-13masthead

Masthead

2022· paratext· en· W4312791087 sur OpenAlexaff
Amy McGovern, John T. Allen, William W. Campbell, S. Scott Collis, John David, Michael Scheuerer, Haruko Murakami, Alexandra Anderson-Frey, Elizabeth A. Barnes, Randy J. Chase, Julie L. Demuth, Gregory Dusek, Tim Gallaudet, Alex Haberlie, Aaron Hill, Susan Jasko, Sarah King, Ryan Lagerquist, Sebastian Lerch, Eric D. Loken, María J. Molina, Chuyen Nguyen, Benjamin Richards, Jebb Q. Stewart, André van der Westhuysen, D Campbell, Kirien Whan, Michaël Zamo, Andrea Herbst, Cristina Mcgovern, Tiffany Barletta, Hayley Bischoff, Felicia Charney, Erin Gulotta, Christine Gumbel

Notice bibliographique

RevueArtificial Intelligence for the Earth Systems · 2022
Typeparatext
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

SYSTEMS publishes research on the development and application of methods in Artificial Intelligence (AI), Machine Learning (ML), data science, and statistics that is relevant to meteorology, atmospheric science, hydrology, climate science, and ocean sciences. Topics include development of AI/ML, statistical, and hybrid methods and their application; development and application of methods to further the physical understanding of earth system processes from AI/ML models such as explainable and physics-based AI; the use of AI/ML to emulate components of numerical weather and climate models; incorporation of AI/ML into observation and remote sensing platforms; the use of AI/ML for data assimilation and uncertainty quantification; and societal applications of AI/ML for AIES disciplines, including ethical and responsible use of AI/ML and educational research on AI/ML.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1070,023

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 Opus0,115
Tête enseignante GPT0,297
Écart entre enseignants0,182 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArtificial Intelligence for the Earth SystemsMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207