MétaCan
Menu
Retour à la cohorte
Enregistrement W4391073615 · doi:10.61782/fa.2023.1205

Analysis of the ambient noise at the scale of the Bay of Biscay marine sub-region

2024· article· en· W4391073615 sur OpenAlexaff
Cécile Perrier de la Bathie, H. Pihan-Le Bars, G. Bazile Kinda, David Dellong, Benjamin Ollivier, Laura Ceyrac, Myriam Lajaunie

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésBayScale (ratio)OceanographyNoise (video)Environmental scienceAmbient noise levelGeologyRemote sensingGeographyComputer scienceCartographySound (geography)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

The impact of human activities on marine ecosystems has become a major international concern.In the waters of the European Union, the Marine Strategy Framework Directive (MSFD) is in charge of assessing the Good Environmental Status (GES).Based on a 6-year cycle, the GES is assessed through 11 pressure and status descriptors and is supported by data acquisition programs aiming to monitor marine environments.In France, a dedicated monitoring network (MAMBO), focuses on the underwater ambient noise level monitoring, particularly its continuous component related to maritime traffic in two targets frequency bands (one-third octave bands centered on 63 Hz and 125 Hz).A specific algorithm has been developed for background noise estimation without a priori in adverse marine environment.The algorithm enables to deal with complex and non-stationary noises as well as to ensure transient signal rejection.In order to make a proper estimation of the contribution of the man-made ambient noise to ambient noise budget, we quantify the oceanic ambient noise, i.e. without any identifiable source, and determine the traffic close to the monitoring station.A statistical study of the ambient noise is then performed in regard with the environmental conditions in order to analyze meteorological contribution.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,139
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,021
Tête enseignante GPT0,338
Écart entre enseignants0,318 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNoise Effects and ManagementTravaux en français237 207