MétaCan
Menu
Retour à la cohorte
Enregistrement W4403108570 · doi:10.1029/2024je008442

Planetary Geologic Maps: Essential Tools for Scientific Inquiry and Space Exploration

2024· article· en· W4403108570 sur OpenAlexaff
Jeannette Luna, Wajiha Iqbal, H. Bernhardt, Hafida El Bilali, S. S. Krasilnikov, A. S. Krasilnikov, C. H. van der Bogert, M. Pondrelli, A. Frigeri, Matteo Massironi, М. А. Иванов, A. T. Basilevsky, P. Senthil Kumar, D. Dhingra, Trishit Ruj, Long Xiao, Jinzhu Ji, O. Aharonson, David A. Rothery, H. Hiesinger, J. A. Skinner, J. W. Head, Richard E. Ernst, G. R. Osinski

Notice bibliographique

RevueJournal of Geophysical Research Planets · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensWestern UniversityCarleton University
Organismes subventionnairesnon disponible
Mots-clésSpace explorationSpace (punctuation)AstrobiologyPlanetary explorationGeologyEarth scienceComputer scienceEngineeringAerospace engineeringMars Exploration ProgramPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Planetary geologic maps are crucial tools for understanding the geological features and processes of solid bodies in the Solar System. Over the past six decades, best practices in planetary geologic mapping have emphasized clear and objective observation, geological interpretation, multi‐sensor fusion, and iterative revision of maps based on new data. We summarize here four ways in which maps serve as indispensable instruments for scientific investigation, from enhancing observations to interrogating surface processes. With respect to space exploration, we underscore the role of planetary geologic maps as tools to link testable, hypothesis‐driven science to exploration goals and provide actionable information for hazard identification, resource evaluation, sample collection, and potential infrastructure development. To further advance the field of planetary geologic mapping, international collaboration is essential. This includes sharing data and maps through FAIR (findable, accessible, interoperable, and reusable) platforms, establishing standardized mapping practices, promoting diverse nomenclature, and fostering continued cooperation in space exploration.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,404
Score d'incertitude au seuil0,903

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
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 Opus0,134
Tête enseignante GPT0,368
Écart entre enseignants0,234 · 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'étudeSans objet
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research PlanetsMême sujetPlanetary Science and ExplorationTravaux en français237 207