MétaCan
Menu
Retour à la cohorte
Enregistrement W4368360783 · doi:10.1038/s41597-023-02160-9

A dataset of direct observations of sea ice drift and waves in ice

2023· article· en· W4368360783 sur OpenAlexaff
Jean Rabault, Malte Müller, Joey Voermans, Dmitry Brazhnikov, Ian Turnbull, Aleksey Marchenko, Martin Biuw, Takehiko Nose, Takuji Waseda, A. Malin Johansson, Øyvind Breivik, Graig Sutherland, Lars Robert Hole, Mark A. Johnson, Atle Jensen, Olav Gundersen, Yngve Kristoffersen, Alexander V. Babanin, Paulina Tedesco, Kai H. Christensen, Martin Kristiansen, Gaute Hope, Tsubasa Kodaira, Victor de Aguiar, Catherine Taelman, Cornelius P. Quigley, Kirill Filchuk, Andrew R. Mahoney

Notice bibliographique

RevueScientific Data · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEnvironment and Climate Change CanadaCentre For Cold Ocean Resources Engineering
Organismes subventionnairesNorges ForskningsrådU.S. Department of Defense
Mots-clésSea iceDrift iceSea ice thicknessGeologyArctic ice packAntarctic sea iceSea ice concentrationCryosphereLead (geology)BreakupSea ice growth processesClimatologyOceanographyPhysicsGeomorphology

Résumé

récupéré en direct d'OpenAlex

Variability in sea ice conditions, combined with strong couplings to the atmosphere and the ocean, lead to a broad range of complex sea ice dynamics. More in-situ measurements are needed to better identify the phenomena and mechanisms that govern sea ice growth, drift, and breakup. To this end, we have gathered a dataset of in-situ observations of sea ice drift and waves in ice. A total of 15 deployments were performed over a period of 5 years in both the Arctic and Antarctic, involving 72 instruments. These provide both GPS drift tracks, and measurements of waves in ice. The data can, in turn, be used for tuning sea ice drift models, investigating waves damping by sea ice, and helping calibrate other sea ice measurement techniques, such as satellite based observations.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,501

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,269
Écart entre enseignants0,201 · 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'étudeObservationnel
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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207