MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393490515 · doi:10.5281/zenodo.6597828

Data associated with article "Bulk Transfer Coefficients Estimated from Eddy-Covariance Measurements Over Lakes and Reservoirs" by Guseva et al., 2022

2022· dataset· en· W4393490515 sur OpenAlexaff
Sofya Guseva, Fernando Augusto Silveira Armani, Ankur R. Desai, Nelson Luı́s Dias, Thomas Friborg, Hiroki Iwata, Joachim Jansen, Gabriella Lükő, Ivan Mammarella, Irina Repina, Anna Rutgersson, Torsten Sachs, Katharina Scholz, Uwe Spank, Victor Stepanenko, Péter Torma, Timo Vesala, Andreas Lorke

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésEddy covarianceCovarianceEnvironmental scienceStatisticsMathematicsEcosystemBiologyEcology

Résumé

récupéré en direct d'OpenAlex

The data includes (a) the general information about the lakes and reservoirs under study (e.g., lake surface area, lake mean and maximum depth); (b) the publications and data repository references for each individual lake or reservoir where we took the original datasets from (for details, see the article); (c) the number of data points (for the estimated bulk transfer coefficients) and filters applied to each dataset. ('Table_Data_Bulk_Transfer_Coeff.docx') In addition, we attach the derived quantities for each lake and reservoir that we analyzed in our manuscript: the neutral bulk transfer coefficients of (a) momentum (the drag coefficient); (b) heat (the Stanton number); (c) water vapor (the Dalton number). ('Data_Bulk_Transfer_Coeff.xlsx') Update 22.11.2022: After the first round of revisions we upload the new version of the data since we had to recalculate the transfer coefficients. (1) We added the median values of the transfer coefficients; (2) we added the transfer coefficients accounting for gustiness. ('Data_Bulk_Transfer_Coeff.xlsx')

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)0,002
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil0,990

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,3060,213

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 Opus0,052
Tête enseignante GPT0,261
Écart entre enseignants0,209 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetHydrology and Sediment Transport Processes→Travaux en français237 207→