MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385953480 · doi:10.1080/07011784.2023.2242815

Informational analysis of the Canadian National Hydrometric program monitoring network

2023· article· en· W4385953480 sur OpenAlexaffvenueabout
James M. Leach, Jongho Keum, J. F. Karn, M Garner, Paulin Coulibaly

Notice bibliographique

RevueCanadian Water Resources Journal / Revue canadienne des ressources hydriques · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensMcMaster UniversityEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésGeographyMetric (unit)Environmental scienceStatisticsDemographyLibrary scienceMathematicsComputer scienceBusinessSociologyMarketing

Résumé

récupéré en direct d'OpenAlex

An information theory-based analysis was used to evaluate the Canadian National Hydrometric Network. The information theory approach used a mutual information based metric known as information quality ratio (IQR) to evaluate the reproducible information available in the network. The analysis was based on available data from 1 January 2009 to 31 December 2018, and compared using average daily discharge and average daily stage data from all months, summer months, and winter months to calculate the IQR. This evaluation showed that 63–77% of hydrometric stations providing discharge data and 87–90% of hydrometric stations providing stage data, depending on the season, have an IQR equal to or greater than 0.4. These results indicate that the majority of hydrometric stations provide an average or higher level of information during the analysis period. Based on the information theory analysis, the existing hydrometric network has been shown to be average in the gauged regions of Canada, excluding the Great Plains region. These results suggest that if new stations were to be added, greater effort should be focused in the ungauged areas of Northern Canada or to bolster information content of the Great Plains.

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)0,007
score de la tête « metaresearch » (Gemma)0,029
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 enseignants0,126
Score d'incertitude au seuil0,254

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0180,022
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,223
Écart entre enseignants0,204 · 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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Water Resources Journal / Revue canadienne des ressources hydriques→Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→