MétaCan
Menu
Retour à la cohorte
Enregistrement W4392935667 · doi:10.3389/fmars.2024.1334327

Best practices recommendations for estimating dissipation rates from shear probes

2024· article· en· W4392935667 sur OpenAlexaff
Rolf G. Lueck, Ilker Fer, Cynthia Bluteau, Marcus Dengler, Peter Holtermann, Ryuichiro Inoue, Arnaud LeBoyer, Sarah Nicholson, Kirstin Schulz, Craig Stevens

Notice bibliographique

RevueFrontiers in Marine Science · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésDissipationTurbulenceBenchmark (surveying)UnderwaterTurbulence kinetic energyShear (geology)Environmental scienceMarine engineeringGeologyOceanographyMeteorologyComputer scienceGeodesyEngineeringGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

As a part of the Scientific Committee on Oceanographic Research (SCOR) Working Group #160 “Analyzing ocean turbulence observations to quantify mixing” (ATOMIX), we have developed recommendations on best practices for estimating the rate of dissipation of kinetic energy, ε , from measurements of turbulence shear using shear probes. The recommendations provided here are platform-independent and cover the conceivable range of dissipation rates in the ocean, seas, and other natural waters. They are applicable to commonly deployed platforms that include vertical profilers, fixed and moored instruments, towed profilers, submarines, self-propelled ocean gliders, and other autonomous underwater vehicles. The procedure for preparing the shear data for spectral estimation is discussed in detail, as are the quality control metrics that should accompany each estimate of ε . The methods are illustrated using a high-quality ‘benchmark’ dataset, while potential pitfalls are demonstrated with a second dataset containing common faults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,299
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207