MétaCan
Menu
Retour à la cohorte
Enregistrement W6925761806 · doi:10.18739/a2gb1xj2n

Surface sediment samples collected from the Canadian Coast Guard Ship (CCGS) Sir Wilfrid Laurier 2019, Northern Bering Sea to Chukchi Sea

2021· dataset· en· W6925761806 sur OpenAlexaboutno aff

Notice bibliographique

RevueUC Santa Barbara · 2021
Typedataset
Langueen
DomaineArts and Humanities
ThématiquePhilosophical and Cultural Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSea iceArctic ice packDrift iceArcticAntarctic sea iceSedimentCryosphereCoast guardArctic sea ice decline

Résumé

récupéré en direct d'OpenAlex

The Pacific sector of the Arctic Ocean is experiencing major reductions in seasonal sea ice extent and increases in sea surface temperatures. One of the key uncertainties in this region is how the marine ecosystem will respond to seasonal shifts in the timing of spring sea ice retreat and/or delays in fall sea ice formation. Variations in upper ocean water hydrography, planktonic production, pelagic-benthic coupling and sediment carbon cycling are all influenced by sea ice and temperature change. To more systematically track the broad biological response to sea ice retreat and associated environmental change, an international consortium of scientists have developed a coordinated Distributed Biological Observatory(DBO) that includes selected biological measurements at multiple trophic levels, along with satellite and mooring measurements. The DBO currently focuses on five regional biological "hotspot" locations along a latitudinal gradient that allows for consistent sampling and monitoring at five biologically productive locations across a latitudinal gradient: DBO 1 (SLIP)-south of St. Lawrence Island (SLI), DBO2 (Chirikov)-north of SLI, DBO3 (southern Chukchi Sea), DBO4-NE (northeast) Chukchi Sea, and DBO5-Barrow Canyon.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,012
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,009

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 Opus0,038
Tête enseignante GPT0,226
Écart entre enseignants0,188 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUC Santa BarbaraMême sujetPhilosophical and Cultural AnalysisTravaux en français237 207