Tephra compositional data: are we doing it right?
Notice bibliographique
Résumé
Tephrochronology is often used for dating of natural archives and for correlation between study sites. Volcanic ashes (tephra) extracted from cores used for climate reconstructions function as common time-marker horizons and become anchor points in comparisons of age models from different studies. Given these uses, tephrochronology is well placed to help overcome the chronological challenges that hinder sufficiently precise dating of palaeoclimate records.Tephras are identified based on their geographic and stratigraphic contexts, glass shard morphology, and geochemical composition. The geochemistry is most commonly analysed by electron probe microanalyser and presented as weight percentages of oxides of the nine or ten most abundant elements, often normalised to a 100 % total for ease of comparison. A simple exploration of such results and comparison to published data of previous tephra findings is usually enough for confident identification. However, compositional data of tephra findings from new studies continuously add to the complexity of tephrochronological investigations by increasing the amount of data available for comparison, including the addition of new potential candidates for identification. The increased likelihood of multiple candidates—sometimes with overlapping geochemistries—means that statistical data analyses are increasingly necessary.Tephrochronologists have used principal component analysis and discriminant function analysis in situations needing statistical approaches, but these methods’ validity often requires certain assumptions not to be violated. A rarely considered example of such an issue is that compositional data suffers from the constant-sum constraint and must be converted by log-ratio transformations for some statistical analyses to function properly. As there is presently no consensus on a tephra compositional data curation procedure including log-ratio transformations, we have explored several variations and compared the results to see if a formal recommendation for such a procedure is relevant for the tephra community.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,010 | 0,023 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,014 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».