MétaCan
Menu
Retour à la cohorte
Enregistrement W4372295607 · doi:10.3390/environments10050078

A Review of Control Charts and Exploring Their Utility for Regional Environmental Monitoring Programs

2023· review· en· W4372295607 sur OpenAlexaffabout
Tim J. Arciszewski

Notice bibliographique

RevueEnvironments · 2023
Typereview
Langueen
DomaineDecision Sciences
ThématiqueAdvanced Statistical Process Monitoring
Établissements canadiensAlberta Environment and Protected Areas
Organismes subventionnairesnon disponible
Mots-clésControl chartUnivariateControl (management)Environmental monitoringComputer scienceQuality (philosophy)Data scienceMonitoring and controlAir monitoringBar chartShewhart individuals control chartMultivariate statisticsData miningOperations researchEnvironmental scienceEngineeringEWMA chartMachine learningArtificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

Industrial control charts are used in manufacturing to quickly and robustly indicate the status of production and to prompt any necessary corrective actions. The library of tools available for these tasks has grown over time and many have been used in other disciplines with similar objectives, including environmental monitoring. While the utility of control charts in environmental monitoring has been recognized, and the tools have already been used in many individual studies, they may be underutilized in some types of programs. For example, control charts may be especially useful for reporting and evaluating data from regional surveillance monitoring programs, but they are not yet routinely used. The purpose of this study was to promote the use of control charts in regional environmental monitoring by surveying the literature for control charting techniques suitable for the various types of data available from large programs measuring multiple indicators at multiple locations across various physical environments. Example datasets were obtained for Canada’s Oil Sands Region, including water quality, air quality, facility production and performance, and bird communities, and were analyzed using univariate (e.g., x-bar) and multivariate (e.g., Hotelling’s T2) control charts. The control charts indicated multiple instances of unexpected observations and highlighted subtle patterns in all of the example data. While control charts are not uniquely able to identify potentially relevant patterns in data and can be challenging to apply in some monitoring analyses, this work emphasizes the broad utility of the tools for straightforwardly presenting the results from standardized and routine surveillance monitoring.

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)0,018
score de la tête « metaresearch » (Gemma)0,067
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,067
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0140,019
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0040,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,585
Tête enseignante GPT0,476
Écart entre enseignants0,110 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmentsMême sujetAdvanced Statistical Process MonitoringTravaux en français237 207