Revisiting measurement and representation errors in geophysical sciences: From classical collocation‐based measurement error estimation to “sampling‐aware field‐informed retrieval”, a method that explicitly accounts for representation errors
Notice bibliographique
Résumé
Abstract The quantities of interest in geosciences (e.g., atmospheric wind, rock porosity) typically exhibit structure across a wide range of spatial and temporal scales. As a result, it is insufficient to define measurement errors as some deviations from a reference truth. The main issue is that different instruments and models filter reality in distinct ways. Without a precise mathematical description of this filtering, the exact nature of measurement, model, and representation errors remains unclear. To address this, a measurement model that specifies which geophysical field is being sampled and where is proposed. Based on this model, formal definitions for measurement, model, and representation errors are given. The distinction between these types of errors is also discussed. A novel aspect of this study is the demonstration of conditions under which measurement and representation errors will be correlated with one another. Using this new framework, two common measurement error estimation methods, namely the triple‐cornered hat and triple collocation, are shown to be special cases of a more general approach, called sampling‐aware field‐informed retrieval, that explicitly accounts for representation error. Idealized experiments are conducted to illustrate how this general approach performs in various measurement error estimation scenarios involving representation errors. In the more realistic scenarios where observations originate from differently sized sampling windows and are not perfectly collocated with one another, it is shown that estimating measurement errors is possible only if representation errors are accounted for. It is also demonstrated that displacement errors must be taken into account to avoid correlations between measurement and representation errors. More generally, this study advocates that the formulation of a measurement model is necessary for the measurement and representation errors to be clearly defined.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».