Notice bibliographique
Résumé
The demand for data and information is driven by the urgency to act on the current planetary crisis. Global goals, high-level political declarations and landmark agreements (e.g. Agenda 2030, Green Deal, the High Seas Convention, the Plastics Convention and the Kummering-Montreal Global Framework Convention, among others) are accelerating the requirement for observation and monitoring to understand the current state of the oceans, identify relationships between parameters and define predictive models. Following issues are of critical importance for the ocean observation community: High-quality data and information to understand the ocean through accurate, accessible and interoperable information. Multi stakeholders’ engagement to ensure inclusion, diversification, and comprehensive spatial and temporal series. Co-design and partnerships to monitor, coordinate, and integrate the data and metadata. The Metrology for Integrated Marine Management and Knowledge-Transfer Network, (MINKE Project) is an EU-funded Horizon 2020 initiative aiming to set up a multi-stakeholder network for ocean infrastructure within a new paradigm of quality data. This dialogue stems from the key issues identified in the Stakeholder Engagement Report and in the Report about Progress Project Meeting (PPM) and the Synergy Session (SS) Workshop. The D4.4. report highlighted that stakeholder engagement plays a key role in implementing the MINKE project because it supports the platform beyond the project life, enabling improvements for future effectiveness steps.
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 | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,013 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,124 | 0,075 |
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 ».