Notice bibliographique
Résumé
Context. Low-metallicity stellar populations are very abundant in the Universe, either as the remnants of the past history of the Milky Way or similar spiral galaxies, or the young low-metallicity stellar populations that are being observed in the local dwarf galaxies or in the high- z objects with low metal content recently found with JWST. Aims. Our goal is to develop new high-spectral-resolution models tailored for low-metallicity environments and apply them to the analysis of stellar population data, particularly in cases in which a significant portion of the stellar content exhibits low metallicity. Methods. We used the state-of-the-art stellar population synthesis code HR- PY P OP S TAR with available stellar libraries to create a new set of models focused on low-metallicity stellar populations. Results. We compared the new spectral energy distributions with the previous models of HR- PY P OP S TAR for solar metallicity. Once we verified that the spectra, except for the oldest ones that show some differences in the molecular bands of the TiO and G band, are similar, we re-analysed the high-resolution data from the globular cluster M 15 by finding a better estimate of its age and metallicity. Finally, we analysed a sub-sample of mostly star-forming dwarf galaxies from the MaNGA survey, we found a similar stellar mass-mean stellar metallicity weighted by light to other studies that studied star-forming dwarf galaxies and a slightly higher mean stellar metallicity than the other works that analysed all types of dwarf galaxies at the same time, but that are within the error bars.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,169 | 0,159 |
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 ».