MétaCan
Menu
Retour à la cohorte
Enregistrement W4367155551 · doi:10.1139/dsa-2023-0019

New topic horizons for drone systems and applications

2023· article· en· W4367155551 sur OpenAlexaffvenue
Karen Anderson, Brandi M. Shabaga, Serge A. Wich, Geoff Fink, Martin Barczyk, Jarrod C. Hodgson, Dominique Chabot

Notice bibliographique

RevueDrone Systems and Applications · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensUniversity of AlbertaThompson Rivers University
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationUniversity of Exeter
Mots-clésDroneScope (computer science)Computer scienceData scienceArtificial intelligenceHistoryBiology

Résumé

récupéré en direct d'OpenAlex

Summary This journal (Drone Systems and Applications; DSA) conducted a targeted “horizon scan” during 2022 within our team of editors and associate editors. We asked— Which research areas currently under-represented in Drone Systems and Applications would you like to see more heavily represented in the future? The process highlighted five areas of interest and potential growth: Drones in the geosciences Aquatic drones Ground drones Drones within calibration/validation experiments Drones and computer vision Over the past two years (2020–22), the journal has published over 50 papers with a strong leaning towards aerial drones for ecology and also with an engineering focus. DSA is keen to receive new submissions addressing the five highlighted areas, which lie firmly within the aims and scope of the journal. Further to the horizon scan, we propose two special collections for the coming year—one addressing drone applications ( drones in geoscience applications) and a second addressing drone systems ( aquatic drone systems). We would like to hear from scientists and practitioners in these fields as both contributors and (or) collection editors.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,934
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,230 · 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 tête enseignante, 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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDrone Systems and ApplicationsMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207