MétaCan
Menu
Retour à la cohorte
Enregistrement W6925069295 · doi:10.1594/pangaea.944865

CTD profiles in the bay of Sept-Îles in 2017/2018

2022· dataset· en· W6925069295 sur OpenAlexaboutno aff

Notice bibliographique

RevuePublishing Network for Geoscientific and Environmental Data (PANGAEA) (Alfred Wegener Institute for Polar and Marine Research) · 2022
Typedataset
Langueen
DomaineSocial Sciences
ThématiqueHistorical Education and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBayShoreBiogeochemical cycleCurrent (fluid)CTDSampling (signal processing)Global Positioning System

Résumé

récupéré en direct d'OpenAlex

This data set contains temperature, salinity, oxygen, fluorescence, turbidity, and currents data collected in the bay of Sept-îles, on the north shore of the Gulf of St. Lawrence, Canada. Five sampling campaigns were conducted from May to September of 2017, to assess seasonal variations in the oceanographic conditions. An additional campaign was conducted in May 2018, focusing on the measurement of currents. These surveys covered the inside of the bay and the nearby archipelago. The bay of Sept-Îles has recently been the subject of a multidisciplinary study by the Canadian Healthy Oceans Network (CHONe II) because it is a heavily industrialized and urban coastal area at Canadian midlatitudes. It is therefore a good site to study the impact of such human presence on adjacent marine ecosystems. The objective of this data set was to enable the development and calibration of hydrodynamic and biogeochemical models of the bay, which was hindered by scarce knowledge of the environmental conditions. Water properties were collected using a Seabird Electronics SBE19plus and a Sontek CastAway CTD probe. Currents were measured using a towed acoustic Doppler current profiler (ADCP) model Teledyne RDI Sentinel V, and passive surface drifters which used Spot GPS probes.

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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,669
Score d'incertitude au seuil0,659

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 savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,007

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 Opus0,107
Tête enseignante GPT0,349
Écart entre enseignants0,242 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublishing Network for Geoscientific and Environmental Data (PANGAEA) (Alfred Wegener Institute for Polar and Marine Research)Même sujetHistorical Education and SocietyTravaux en français237 207