MétaCan
Menu
Retour à la cohorte
Enregistrement W4414138822 · doi:10.5194/egusphere-2025-2707-ac1

Reply on CC1

2025· peer-review· en· W4414138822 sur OpenAlexaboutno aff
Whyjay Zheng

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSignaling Pathways in Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlacierDigital elevation modelIce capsElevation (ballistics)Glacier terminusGlacier mass balanceTidewater glacier cycleCryosphere

Résumé

récupéré en direct d'OpenAlex

<strong class="journal-contentHeaderColor">Abstract.</strong> Subglacial lakes influence glacier hydrology, dynamics, and mass balance; however, they are poorly documented outside the polar ice sheets. Here we use high-resolution digital elevation models from 2011 to 2021 and perform regression analysis to characterize 37 subglacial lakes (35 of which are newly identified) across the Canadian Arctic, a region that loses more than 50 gigatonnes of glacier ice yearly. These lakes have an area of 0.3&ndash;48.5 km<sup>2</sup> and influence surface elevation by 10&ndash;150 m, corresponding to a water volume of 0.003&ndash;4.5 km<sup>3</sup>. We classify them into (1) classic subglacial lakes, (2) terminal subglacial lakes at places where two glacier termini converge and coalesce, and (3) partial subglacial lakes with an area of open water at the ice margin. Types 2 and 3 are new and are nearly exclusive in the Canadian Arctic. Lake activities negatively correlate with regional mass balance, implying a need for fine-scale monitoring in the era of accelerated glacier loss.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,319
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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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 sujetSignaling Pathways in DiseaseTravaux en français237 207