MétaCan
Menu
Retour à la cohorte
Enregistrement W6925533187 · doi:10.17882/82098

TERIFIC Ocean Glider Deployments in the Labrador Sea

2019· dataset· en· W6925533187 sur OpenAlexaboutno aff

Notice bibliographique

RevueSEANOE · 2019
Typedataset
Langueen
DomaineDecision Sciences
ThématiqueLeadership, Behavior, and Decision-Making Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGliderUnderwater gliderBaySubmarine pipelineBackscatter (email)On boardFishingSampling (signal processing)

Résumé

récupéré en direct d'OpenAlex

As part of the TERIFIC (Targeted Experiment to Reconcile Increased Freshwater with Increased Convection) project funded by the European Research Council, two Kongsberg Seagliders (sg602 and sg638) were deployed offshore of Qaqortoq, southwest of Greenland, in December 2019 from the 30-m research vessel Adolf Jensen. Both gliders were retrieved in Trinity Bay on the Labrador coast of Canada in May 2020 from a fishing boat. Glider sg602 had a standard fairing and a standard hardware; glider sg638 had an ogive fairing and was equipped with a science controller. Unpumped CTDs (Conductivity, Temperature, and Depth), referred to as CT sails and provided by Sea-Bird Electronics (Bellevue, WA) were mounted on both Seagliders with a sampling frequency of 0.1 Hz. An Aanderaa oxygen optode was also fixed on both gliders but only sg638 returned measurements of dissolved oxygen concentration. Both gliders were equipped with WETLabs (Western Environmental Technologies Laboratories) BBFL2 ECO Puck that measures chlorophyll, colored dissolved organic matter and optical backscatter (700 nm). Initial processing with the University of Washington’s basestation corrects for the thermal-inertia effect of the CT sail. Both gliders were processed with the GliderTools toolbox (Gregor et al., 2019) to determine adjusted temperature and salinity variables.

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)0,000
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: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,185
Tête enseignante GPT0,422
Écart entre enseignants0,236 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSEANOEMême sujetLeadership, Behavior, and Decision-Making StudiesTravaux en français237 207