Notice bibliographique
Résumé
Closure in geochemical data serves to complicate interpretation because it adds variation unrelated to geochemical processes. Geoscientists have used three methods to avoid closure: the Theorem of Geochemical Material Transfer, molar element ratio analysis and compositional data analysis. Whereas each has its advantages, in many scenarios, mathematically induced closure effects are modest and/or overwhelmed by the effects of material transfer, preventing closure from impairing conclusions derived using geochemical data analysis. This paper derives an equation from the definition of a concentration illustrating that the relative concentration change is a function of the relative change in the amount of the element (material transfer) and the relative change in the size of the rock (closure): d x/x = d X/X – d S/S , where x is component concentration, X is the amount of that component in a rock and S is the size of the rock. Functional analysis of this equation identifies two scenarios where closure does not add significant variance or distortion to concentration data: (1) in perfect exchange processes (when the system size doesn't change, so closure effects are absent (d S = 0)); and (2) when the relative amount of material transfer is larger than the relative change in system size (d X/X >> d S/S ). This latter scenario occurs when X is small (the concentration is at minor/trace levels) or when d X is large (the amount of material transfer is large relative to S ). In each scenario, the effect of material transfer (d X/X ) is larger than that of closure (d S/S ), making geochemical data easy to interpret.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».