MétaCan
Menu
Retour à la cohorte
Enregistrement W6907283693 · doi:10.20383/102.0446

SuperDARN 2016 RAWACF

2021· dataset· en· W6907283693 sur OpenAlexaboutno aff

Notice bibliographique

RevueFederated Research Data Repository · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcknowledgementDirectoryPrincipal (computer security)UploadData collectionGlobal Positioning System

Résumé

récupéré en direct d'OpenAlex

SuperDARN RAWACF files for the calendar year 2016. INSTRUMENT INFORMATION AND RULES OF THE ROAD: *** Before downloading and using the data, make sure to read the README file in the top directory of this collection. *** SuperDARN is an international collaboration operating high frequency (HF) radars deployed in the northern and southern hemispheres to measure ionospheric plasma circulation. Each partner institution secures funding and manages operations for their own facilities. The continued availability of SuperDARN data depends on the proper acknowledgement of data by its users. Guidelines for data acknowledgement are as follows: When data from an individual radar or radars are used, users must contact the principal investigator(s) of those radar(s) to obtain the appropriate acknowledgement information and to offer collaboration, where appropriate. Contact information is available in the README file for this collection. For all usage of SuperDARN data, users are asked to include the following standard acknowledgement text: “The authors acknowledge the use of SuperDARN data. SuperDARN is a collection of radars funded by national scientific funding agencies of Australia, Canada, China, France, Italy, Japan, Norway, South Africa, United Kingdom and the United States of America.” While SuperDARN has an open data use policy, i.e., prior permission to access and analyse the data is not required, the data user is strongly encouraged to establish early contact with any Principal Investigator whose data are involved in the project to discuss the intended usage and collaboration. Data can be subject to limitations that are not immediately evident to users. In addition, some data are embargoed for use by designated Principal Investigators for a period of one year. SuperDARN and the organizations that contributed data must be acknowledged in all reports and publications that use SuperDARN data. The SuperDARN Executive Council (see list in the README) must be notified before data are redistributed through another database. The data are not to be used for commercial purposes. If you have any questions about appropriate use of these data, contact any SuperDARN Principal Investigator.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,312
Score d'incertitude au seuil0,982

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,000
Communication savante0,0040,004
Science ouverte0,0030,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,3120,272

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 Opus0,207
Tête enseignante GPT0,436
Écart entre enseignants0,228 · 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.

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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFederated Research Data RepositoryTravaux en français237 207