MétaCan
Menu
← Retour à la cohorte
Enregistrement W6912613009 · doi:10.5281/zenodo.4522721

Extending the PAMIP protocol for assessing the climate response to regional sea ice change across all Arctic regions

2020· article· en· W6912613009 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésNucleofectionProteogenomicsTSG101Articular cartilage damageTubulopathyTantalum carbide

Résumé

récupéré en direct d'OpenAlex

Climate models predict that sea ice cover will shrink--even disappear-- in most regions of the Arctic basin by the end of the century, inducing local and remote responses in the surface climate via dynamical changes in the atmospheric circulation. The atmospheric-only experiment designed and performed within PAMIP can help us elucidate the dynamical mechanisms, as well as assess the importance of sea ice loss in individual sectors of the Arctic in driving Northern Hemisphere climate change. Using the atmosphere-only EC-EARTH3.3 model and using the same protocol as for the pan-Arctic and regional Barents/Kara and Okhotsk future sea-ice experiments, we ran 5 complementary regional experiments that include other regions of the Arctic: Central Arctic, Hudson-Labrador-Baffin, Irminger-GIN, Bering-Chukchi, and Beaufort-East-Siberian-Laptev sectors. First. we compare the spatial pattern of climate anomalies in those simulations, and we discuss the contribution of sea ice loss in each region to climate change over Europe, Siberia and North America. One noticeable result that will be discussed is the strikingly different nature of the climate response to pan-Arctic sea ice loss when compared to any of the regional sea ice loss experiments; we conclude our presentation by discussing potential causes for this difference, and what it may imply when devising experiments with prescribed regional sea ice change in future projects.

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)0,012
score de la tête « metaresearch » (Gemma)0,015
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0220,007

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 Opus0,129
Tête enseignante GPT0,329
Écart entre enseignants0,200 · 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
GenreMéthodes

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→