MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393788964 · doi:10.5281/zenodo.7126141

Sea-Level Rise in Southwest Greenland as a Contributor to Viking Abandonment

2023· dataset· en· W4393788964 sur OpenAlexaff
Marisa Borreggine, Konstantin Latychev, Sophie Coulson, Evelyn Powell, J. X. Mitrovica, Glenn A. Milne, Richard B. Alley

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAbandonment (legal)OceanographySea level riseGeologyFuture sea levelViking AgePhysical geographyGeographyArchaeologyClimate changeSea iceArctic ice packAntarctic sea ice

Résumé

récupéré en direct d'OpenAlex

Data and code to accompany the journal publication "Sea-Level Rise in Southwest Greenland as a Contributor to Viking Abandonment" in the Proceedings of the National Academy of Sciences of the United States of America (PNAS). This dataset includes data sets, computer codes and associated scripts, necessary to reproduce results in the article: (1) the surface computational grid; (2) model Greenland Ice Sheet history in time steps of 20 years from 1000 CE to present-day; (3) code to compute the relative sea-level change at any user specified set of sites across the same time steps; (4) code to map (2) and (3) on to conventional grids (e.g., latitude-longitude; Gauss-Legendre, etc.) based on a non-linear interpolation of data on a triangular grid via a second-order scheme; (5) code to convert sea level changes into time series of past topography from which flooding geometry (i.e., shoreline migration) can be tracked; and (6) code to integrate the flood geometries in (5) to compute time series of total flood area. More details in Readme.pdf.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,057
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,021

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 Opus0,032
Tête enseignante GPT0,249
Écart entre enseignants0,217 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetMethane Hydrates and Related Phenomena→Travaux en français237 207→