TREND: Bureau of Transportation Statistics. Border Crossings: Border Crossings - All Vehicles, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-001Bureau of Transportation Statistics. Border Crossings: Border Crossings - All Incoming People, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-002Bureau of Transportation Statistics. Border Crossings: Border Crossings - Loaded Containers, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-003Bureau of Transportation Statistics. Border Crossings: Border Crossings - Empty Containers, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-004Bureau of Transportation Statistics. Border Crossings: Border Crossings - Trucks, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-005Bureau of Transportation Statistics. Border Crossings: Border Crossings - Trains, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-006Bureau of Transportation Statistics. Border Crossings: Border Crossings-Loaded Truck Containers, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-007Bureau of Transportation Statistics. Border Crossings: Border Crossings - Empty Truck Containers, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-008Bureau of Transportation Statistics. Border Crossings: Border Crossings - Loaded Rail Containers, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-009Bureau of Transportation Statistics. Border Crossings: Border Crossings - Empty Rail Containers, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-010Bureau of Transportation Statistics. Border Crossings: Border Crossings - Personal Vehicles, 01/1996 - 12/2016. Data Planet™ Statistical Datasets: A SAGE Publishing Resource Dataset-ID: 007-003-011
Notice bibliographique
Résumé
datasets.shared.infosheet.CitationMgr@24a Dataset: Number of entries of motor vehicles into the US through land ports along the US-Canadian and U.S.-Mexican border. This dataset contains data on entries into the US of vehicles, commercial containers, passengers, and pedestrians through land ports along the US-Canadian and U.S.-Mexican border. The Bureau of Transportation Statistics obtains this data on a monthly basis from U.S. Customs and Border Protection. https://transborder.bts.gov/programs/international/transborder/TBDR_BC/TBDR_BC_Index.html Category: Transportation and Traffic Subject: International Trade, Border Patrol, Transportation, Homeland Security, Border Crossings Source: Bureau of Transportation Statistics The Bureau of Transportation Statistics (BTS) was established as a statistical agency in 1992. The Intermodal Surface Transportation Efficiency Act (ISTEA) of 1991 created BTS to administer data collection, analysis, and reporting and to ensure the most cost-effective use of transportation-monitoring resources. BTS brings a greater degree of coordination, comparability, and quality standards to transportation data, and facilitates in the closing of important data gaps. https://www.bts.gov/
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,300 | 0,357 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».