Northwest Passage Project seawater dataset, July - August 2019, Canadian Arctic Archipelago
Notice bibliographique
Résumé
This data were collected and processed through the Northwest Passage Project, a US National Science Foundation funded program to explore the changing Arctic through an innovative expedition that engaged diverse audiences through real time interactions from sea, a high definition 2-hour documentary, and related community events. The expedition was conducted onboard the Research Vessel Ice Breaker (RVIB) Oden, where undergraduate and graduate students participated in the expedition along with local indigenous representatives, scientists, historians, journalists, and a documentary film crew. We are submitting two seawater datasets: one with in-situ and ex-situ data, and one with the waters composition results. The "NPP.full.dataset.csv" provides information on the following parameters collected from the Canadian Arctic Archipelago water column: Temperature, Salinity, Turbidity, Oxygen isotopes, Nutrients, Particulate Organic Matter (POM) data (e.g., Particulate Organic Carbon (POC), Particulate Organic Nitrogen (PON)), Methane data (e.g., concentrations, isotope ratio C13-CH4, oxidation rates constants). The "NPP.OMP.dataset.csv" provides information on the water mass contribution across the Canadian Arctic Archipelago. Here, we show the raw and standardized parameters used into the Optimal MultiParameter analysis (OMP) (such as, Absolute Salinity, the Arctic Nitrate:Phosphate tracer, and d18O), and the source waters fractions (i.e., Atlantic Water, Pacific Water, Meteoric Water, Sea Ice Meltwater). We also show the residuals of the OMP analysis in fractions. Both the datasets provide unique information on physical and chemical characteristics of the Canadian Arctic Archipelago waters, which will serve as baseline for further investigations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,111 | 0,051 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».