MétaCan
Menu
← Retour à la cohorte
Enregistrement W6894390082 · doi:10.5683/sp3/ikrfhm

Meteorological and hydrological data from the Alder Creek Watershed, Grand River Basin, Ontario

2019· dataset· en· W6894390082 sur OpenAlexafffundabout

Notice bibliographique

RevueBorealis · 2019
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesFedDev OntarioOntario Ministry of Economic Development and Innovation
Mots-clésWatershedAlderHydrology (agriculture)Data collectionField (mathematics)Software deploymentWatershed management

Résumé

récupéré en direct d'OpenAlex

This record is for the dataset “ Meteorological and hydrological data from the Alder Creek Watershed, Grand River Basin, Ontario” at https://doi.org/10.20383/101.0178. The Alder Creek field observatory was instrumented by the Southern Ontario Water Consortium as the middle member of three watersheds with different degrees of urbanization. Field data were collected via the deployment of electronic instruments and manual measurements in the Alder Creek watershed to answer questions related to water management at the watershed scale. Field sites were chosen based on: 1) an attempt to distribute measurement locations spatially throughout the watershed, 2) permissions obtained from local residents, businesses, and stakeholders (e.g., the Regional Municipality of Waterloo) for installations, and 3) interest in monitoring local processes such as depression focused recharge. Cellular network telemetry was used to regularly transmit remote field data to a computer at the University of Waterloo. This was part of a “smart” watershed design whereby field data could be reviewed by technicians to make decisions regarding field monitoring and equipment maintenance. Data collection schedules could also be adjusted remotely. This dataset can be downloaded at https://doi.org/10.20383/101.0178

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0420,017

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 Opus0,077
Tête enseignante GPT0,279
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→