MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385775391 · doi:10.22541/essoar.169186303.34314907/v1

Phytoplankton composition from sPACE: requirements, opportunities, and challenges

2023· preprint· en· W4385775391 sur OpenAlexaff
Ivona Cetinić, Cécile S. Rousseaux, Ian T Carroll, Alison Chase, Sasha J. Kramer, P. Jeremy Werdell, David A. Siegel, Heidi M. Dierssen, Dylan Catlett, Aimee Neeley, Inia Soto, Jennifer L. Wolny, Natasha Sadoff, Erin Urquhart, Toby K. Westberry, Dariusz Stramski, Nima Pahlevan, Bridget N. Seegers, Emerson Sirk, Priscila Kienteca Lange, Ryan Vandermeulen, Jason R. Graff, James G. Allen, Peter Gaube, Lachlan I. W. McKinna, S. Morgaine McKibben, Caren Binding, Violeta Sanjuan Calzado, Michael J. Sayers

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNuclear Safety and Security CommissionConselho Nacional de Desenvolvimento Científico e TecnológicoNational Aeronautics and Space Administration
Mots-clésPhytoplanktonEnvironmental sciencePlanktonOcean colorOceanographyEcosystemBiomass (ecology)Aquatic ecosystemEcologySatelliteBiologyGeologyNutrientPhysics

Résumé

récupéré en direct d'OpenAlex

Ocean color satellites have provided a synoptic view of global phytoplankton for over 25 years through surface measurements of the concentration of chlorophyll a.While remote sensing of ocean color has revolutionized our understanding of phytoplankton and their role in the oceanic and freshwater ecosystems, it is important to consider both total phytoplankton biomass and changes in phytoplankton community composition in order to fully understand the dynamics of the aquatic ecosystems.With the upcoming launch of NASA's Plankton, Aerosol, Clouds, ocean

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)0,009
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,007
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,154
Tête enseignante GPT0,248
Écart entre enseignants0,094 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMarine and coastal ecosystems→Travaux en français237 207→