South East Asia and Middle East Geologic Formation Databases with Visualizations on Plate Reconstructions
Notice bibliographique
Résumé
In a successful collaboration with numerous regional experts on the stratigraphy of Southeast Asia and the Middle East, our international team developed cloud-based stratigraphic lexicons with graphical user-interfaces. These databases consist of the Indian Plate (indplex.geolex.org) of nearly 1000 onshore and offshore sedimentary and volcanic formations across India, Pakistan, Nepal, Bhutan, Sri Lanka, Bangladesh, and Myanmar, of southeast Asian regions (chinalex.geolex.org; thailex.geolex.org; vietlex.geolex.org; japanlex.geolex.org) with ca. 5000 formations as of January 2024), and of Middle East regions (mideastlex.geolex.org; qatarlex.geolex.org). The entries for each formation contain details on the succession of lithology, as well as the fossils present, age range, regional distribution and associated images. APIs enable easy access and integration with other applications. A comprehensive search system allows users to retrieve information on all geologic formations for a specific date or geologic stage from multiple databases. The cloud-based databases and websites can be explored through user-friendly map and stratigraphic-column interfaces generated from TimeScale Creator software.Regional extents of each formation in GeoJSON format enables visualization as facies-pattern-filled polygons projected onto three proposed plate reconstructions of its corresponding time interval; or as time slices of regional paleogeography. These lexicon systems will be interlinked to other stratigraphic and paleogeographic databases through the lUGS Deep-Time Digital Earth platform. This comprehensive approach allows one better comprehend deep-time dynamics and gain valuable insights into the evolution of the different regions of our planet Earth.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».