MétaCan
Menu
← Retour à la cohorte
Enregistrement W6921478024 · doi:10.7289/v5571996

Seawater Mg/Ca and Sr/Ca ratios worldwide from 2009 to 2017 collected in 79 cruises, including coupled measured data for temperature, salinity, total alkalinity, DIC, DO, and calculated pH and CO2 (NCEI Accession 0171017)

2018· dataset· en· W6921478024 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2018
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensEnvironment and Climate Change CanadaGovernment of CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSeawaterUpwellingPelagic zonePhotic zoneOpen seaDeep seaSea level

Résumé

récupéré en direct d'OpenAlex

This dataset consists of seawater Mg/Ca and Sr/Ca ratios, temperature, salinity, total alkalinity, DIC and DO measured from 79 cruises between 2009 and 2017. The long debate about the conservative behaviour of seawater Mg/Ca and Sr/Ca ratios becomes more complex by studying the ocean as a whole and not only open ocean settings or the deep sea. In this project we measured in 79 cruises around the world seawater Mg/Ca and Sr/Ca ratios to discover that the modern ocean ranges are well beyond the pre-assumed values used by modellers, paleoceanographers and experimentalists as the basis for their work (Mg/Ca = 4.5 to 6.5 mol:mol and Sr/CA = 7 to 9.8 mmol:mol). We find out that modern seawater ranges are similar to the last 20 million years (Neogene) increase in these ratios, challenging the pre-assumed knowledge and a good number of methods used that assume a constant seawater Mg/Ca or Sr/Ca ratio. We agree that open ocean, the deep sea and reconstructions of past seawater based on samples derived from these settings give a good representation, but by no means they represent the ocean as a whole, especially coastal areas, upwelling zones, polar waters, and even the euphotic zone.

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)0,001
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,106
Tête enseignante GPT0,381
Écart entre enseignants0,275 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→