MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413948649 · doi:10.5194/egusphere-2025-521-rc2

Comment on egusphere-2025-521

2025· peer-review· en· W4413948649 sur OpenAlexfundno aff

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesNanjing University of Information Science and TechnologyYork UniversityNanjing UniversityNew York University Abu Dhabi
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract. In recent decades, the Arctic climate has changed significantly, especially with a rapid decrease in Arctic Sea ice (ASI) extent in September. This study explores how natural climate variations, specifically linked to the Mainland Indochina Southwest Monsoon (MSWM), affect ASI in September using 40 years of data (1981–2020). The study found that strong MSWM years are associated with less ASI drifting to the Atlantic basin during September, leading to increased sea ice particularly in the Beaufort Sea area. Conversely, weak MSWM years tend to correspond with decreased ASI in certain locations. The MSWM influences the North Atlantic Oscillation (NAO) and North Pacific Oscillation (NPO), altering their typical patterns during strong and weak MSWM years due to interactions between monsoonal heating and the atmosphere-ocean system. During strong MSWM years, a positive NAO and negative NPO weaken the Beaufort Sea High Pressure (BSHP), whereas, during weak MSWM years, the reverse occurs, strengthening the BSHP. And the intensity of the BSHP influences Arctic air-sea interaction, influencing the movement of cold airmass and the track of the transpolar drift stream. This leads to increased sea ice formation during strong MSWM years and decreased formation during weak MSWM years in the Beaufort-Chukchi Sea region.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,231
Score d'incertitude au seuil0,774

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0160,008
Charge utile insuffisante (le modèle a refusé de juger)0,2310,133

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 Opus0,066
Tête enseignante GPT0,402
Écart entre enseignants0,336 · 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
GenreCommentaire

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'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Russian Policy Studies→Travaux en français237 207→