MétaCan
Menu
Retour à la cohorte
Enregistrement W4410671291 · doi:10.3138/cart-2024-0024

Assessing the Accuracy of U-Boat War Diaries: A Case Study of <i>U-156</i>’s Fourth Patrol and World War II Navigation Techniques

2025· article· en· W4410671291 sur OpenAlexaffvenue
Paul Heersink

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMaritime and Coastal Archaeology
Établissements canadiensEsri (Canada)
Organismes subventionnairesnon disponible
Mots-clésWorld War IIFirst world warGeographyCartographyHumanitiesAeronauticsHistoryOperations researchEngineeringArtArchaeology

Résumé

récupéré en direct d'OpenAlex

This study examines the accuracy of positional data recorded in the war diaries ( Kriegstagebücher or KTB) of German U-boats during World War II, with a focus on U-156’s fourth patrol. U-boat navigational methods, including celestial navigation, dead reckoning, and radio direction-finding, are analyzed to assess their precision. U-156’s KTB is scrutinized, comparing 106 recorded latitude and longitude coordinates with corresponding naval grid squares, revealing an 89.6 percent match rate within a 5-nautical-mile tolerance but only 55.7 percent within exact grid squares. The study identifies errors in the KTB due to recording inaccuracies and map reading challenges, exacerbated by operational conditions. Encounters with other U-boats and distress calls provide additional data points, confirming discrepancies. The findings underscore the inherent limitations of World War II navigational technology and suggest a need for caution when using these historical records for precise location verification. This analysis contributes to a nuanced understanding of maritime navigational accuracy during the war, highlighting both the strengths and pitfalls of U-boat war diaries as historical sources.

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)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,312
Écart entre enseignants0,296 · 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'étudeObservationnel
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetMaritime and Coastal ArchaeologyTravaux en français237 207