MétaCan
Menu
Retour à la cohorte
Enregistrement W4400747309 · doi:10.1080/00368121.2024.2376753

Discovering DIY oceanography: building floats to track deep ocean currents

2024· article· en· W4400747309 sur OpenAlexaff
Becca Beutel, Samuel W. Stevens

Notice bibliographique

RevueScience Activities · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensTula FoundationUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTrack (disk drive)OceanographyOcean scienceScience educationMarine biologyIndian oceanMarine engineeringMeteorologyEnvironmental scienceMathematics educationGeologyEngineeringGeographyMechanical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Below the surface of the ocean, currents, eddies, and other physical processes redistribute energy and biologically important elements. Measuring this transport can be challenging, and scientists must address a wide spectrum of oceanographic and engineering concepts when designing instruments to observe these processes. In this activity, high-school aged students are asked to consider some of these challenges by using easily-available material to design, assemble, and test their own simple deep-water floats, mimicking a tool used by oceanographers to measure transport below the ocean’s surface. Students are asked to build floats that are neutrally buoyant at an interface between oil and water, teaching them key oceanographic concepts such as buoyancy and ocean stratification. Additionally, students manage a budget by selecting cost-effective materials to construct their floats. This activity aims to increase students’ understanding of how ocean currents affect our planet’s climate and ecosystems, how we observe these phenomena, and some of the practical challenges that oceanographers face. The project supports key educational standards and aims to deepen students’ appreciation for marine science.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,247 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience ActivitiesMême sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207