MétaCan
Menu
← Retour à la cohorte
Enregistrement W6921631540 · doi:10.7910/dvn/pnwdrb

Extracted Data From: Lake Level Viewer

2025· dataset· en· W6921631540 sur OpenAlexaboutno aff

Notice bibliographique

RevueHarvard Dataverse · 2025
Typedataset
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetadataSeicheGeospatial analysisGeodetic datumWater levelDigital dataNorth American Datum of 1927Data managementHydrology (agriculture)

Résumé

récupéré en direct d'OpenAlex

This submission includes publicly available data extracted in its original form. Please reference the Related Publication listed here for source and citation information: NOAA Office for Coastal Management. (2025, March 1). Lake Level Viewer. Data Download. https://chs.coast.noaa.gov/htdata/Inundation/GreatLakes/BulkDownload/index.html. If you have questions about the underlying data stored here, please contact NOAA Office for Coastal Management by submitting this form: https://coast.noaa.gov/contactform/. If you have questions or recommendations related to this metadata entry and extracted data, please contact the CAFE Data Management team at: climatecafe@bu.edu. This dataset consists of the geospatial data layers that are behind NOAA's Digital Coast Lake Level Viewer, which models lake level rise and flooding impacts along the US side of the Great Lakes. The water levels illustrate the extent and relative depth of water from 3 feet below to 10 feet above each lake's respective Low Water Datum (LWD). Water extent is as it would appear on a calm day with no wind-driven waves or seiche effect. The data do not consider natural processes such as erosion, subsidence, or future construction. The data are intended for use as a screening-level tool for planning and management decisions. Datasets are subdivided into the following folders, and in some cases are geographically segmented by portions of the individual lakes (Erie, Huron, Michigan, Ontario, St. Clair, and Superior): DEMs: lidar-based high resolution digital elevation models stored as geotiffs Depth Rasters: rasters of lake level rise inundation from -3 ft to 10ft above the LWD as geotiffs Extent Rasters: single value rasters of lake level rise inundation from -3 ft to 10ft above the LWD as geotiffs Lake Level Vectors: polygon data representing the extent of lake level rise inundation as geopackages Documentation for the LL tool and methodology for creating the datasets is included in a PDF file. https://chs.coast.noaa.gov/htdata/Inundation/GreatLakes/BulkDownload/index.html

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)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,578
Score d'incertitude au seuil0,824

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,000
Communication savante0,0040,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,4220,346

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 Opus0,122
Tête enseignante GPT0,258
Écart entre enseignants0,136 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHarvard Dataverse→Même sujetDiverse Scientific and Economic Studies→Travaux en français237 207→