MétaCan
Menu
Retour à la cohorte
Enregistrement W4381378228 · doi:10.53555/sfs.v10i2.1133

Marine Proxies Of Paleomonsoon: Emphasis On Indian Monsoon System

2023· article· en· W4381378228 sur OpenAlexvenueno aff
Ajhar Hussain, Muhammad Ahmed Hasan, Nuzhat Fatima, Ghulam G. Zahid

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMonsoonEast Asian MonsoonPrecipitationMonsoon of South AsiaClimatologyEnvironmental scienceOceanographyNorthern HemisphereSea surface temperatureHumidityBiotaAtmospheric sciencesGeologyGeographyMeteorologyEcology

Résumé

récupéré en direct d'OpenAlex

Marine proxies are the most prominent tools in the history of the monsoon. Palaeomonsoon is the seasonalmovement of wind belts and differential heating of land and water caused by the interaction between theocean and atmosphere. The Indian monsoon is distinct from other monsoon systems in terms of its focalpoints, associated air masses, and mechanism for precipitation. It has two distinct phases: the southwestmonsoon (June to September), which brings the majority of the precipitation to India and the northeastmonsoon (November to February). The tropical monsoon has been proposed as a major modulator of thenorthern hemisphere climate and a major player at the end of the last ice age. Monsoon rainfall is recorded insediments deposited on the ocean floor from the Arabian Sea region. Humidity and temperature are measuredthrough physical and chemical parameters, and isotopic compositions are used to understand temperature,atmospheric composition, and ocean salinity. Microfossil assemblages and abundances of species are alsoimportant indicators of how physical and chemical factors affect biota.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,006
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,122
Tête enseignante GPT0,231
Écart entre enseignants0,108 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetMarine and environmental studiesTravaux en français237 207