MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394342667 · doi:10.6084/m9.figshare.4635316

Gps performance in yukon's arctic coast

2017· dataset· en· W4394342667 sur OpenAlexaboutno aff
David Swanlund, Ramona Maraj, Nadine Schuurman, Roxanne Hope, Kate Donkers, Matt Aquin, Gwen Rickerby

Notice bibliographique

RevueFigshare · 2017
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlobal Positioning SystemArcticGeographyOceanographyThe arcticGeologyTelecommunicationsComputer science

Résumé

récupéré en direct d'OpenAlex

This study analyses GPS performance in Yukon's Arctic coast to inform future research that uses this technology in the region. To test this, Telonics GPS collars were placed on stakes during the summers of 2009 and 2010 throughout the region for varying lengths of time. The fix records produced by these collars were then collected and cleaned, leaving 30 samples. Using these records combined with a digital elevation model, eight variables were extracted and analysed in an attempt to find relationships, such that a fix rate could be predicted throughout the landscape. The results indicated that very few strong relationships existed. Densiometer values proved to be the only relationship between an environmental variable and fix rate. Available sky and aspect data produced results that were contrary to those expected. Overall, Telonics Generation 3 collars had extremely high fix rates, high accuracy, and low positional dilution of precision. Moreover, there was little variation in these results. This means that future GPS studies in the region would likely require minimal correction for fix rate bias. However, if corrections were to be made, more data would have to be gathered to ensure the results were statistically sound. The analysis suffered from the limitations of small sample size and low sample variance, among several others. Therefore, future studies should increase the number and diversity of sites tested.

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)0,001
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,814

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,026
Tête enseignante GPT0,251
Écart entre enseignants0,225 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetMethane Hydrates and Related Phenomena→Travaux en français237 207→