MétaCan
Menu
← Retour à la cohorte
Enregistrement W6911140525 · doi:10.5281/zenodo.10582140

Integrated Lysimeter Study (Deep Percolation) Data from Saint-Nicéphore, Quebec

2024· dataset· en· W6911140525 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésLysimeterHydrology (agriculture)DrainageGroundwater rechargeSoil waterDrainage networkPercolation (cognitive psychology)Hydraulic conductivity

Résumé

récupéré en direct d'OpenAlex

This dataset results from a study on various landfill final covers constructed at a landfill site in Saint-Nicéphore, Quebec. The study involved three large experimental plots, each containing drainage lysimeters and sensors to measure soil moisture, temperature, and suction. For detailed construction information, please consult the construction report included in this dataset and the references. The dataset is intended to facilitate future research on deep percolation in cold regions, providing comprehensive data for the development and validation of hydrological models. The dataset includes: Hourly deep percolation rates, measured by four drainage lysimeters within the soil enclosures. Half-hourly measurements of soil moisture, temperature, and suction at various depths. Hourly and daily meteorological data for the duration of the study period. Laboratory-estimated soil parameters, including saturated hydraulic conductivity, dry density, and soil texture. Important: Please be aware that the timestamps in these datasets may not be evenly spaced. This means that some data points might be missing or irregularly collected. Before performing any time-series analysis or data visualization, you may need to preprocess the data to ensure consistent time intervals. For further information or inquiries, please contact the creators.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,113
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,020

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 Opus0,067
Tête enseignante GPT0,293
Écart entre enseignants0,225 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Travaux en français237 207→