MétaCan
Menu
Retour à la cohorte
Enregistrement W6969044750 · doi:10.5443/12119

Canadian Coastal Information System (CIS) - Backshore, Beaufort Sea Coast 1984, 1999 and 2000

2016· dataset· en· W6969044750 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCanadian Polar Data Network · 2016
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerial photographyIntertidal zoneBeaufort seaShoreCoastal erosionBayNatural (archaeology)Coastal zoneStorm

Résumé

récupéré en direct d'OpenAlex

Shore-zone classification data for the Canadian Beaufort Sea coast form part of a GIS database, the Coastal Information System (CIS), developed and maintained by the Geological Survey of Canada (GSC-Atlantic), Natural Resources Canada, at the Bedford Institute of Oceanography in Dartmouth, NS. Coastal attributes in the CIS have been interpreted and mapped from low-level, oblique, aerial photography and video imagery with accompanying audio commentary. The CIS is hierarchical in that coastal forms are classified based on four increasingly detailed levels of description. The coastal data consist of line segments with attributes describing the physical form and material at scales ranging from 1:10 000 to 1:250 000. In the CIS, the coast is divided into three shore-parallel zones (backshore, foreshore, nearshore). Each zone is segmented separately based on homogeneous physical characteristics. A glossary has been developed to control the language used to describe each zone. The use of objective physical criteria for coastal classification enhances the utility of the CIS for a wide variety of applications. The backshore is defined as the landward zone lying between higher high-water at large (spring) tides and the upper limit of shore-zone processes; it is acted upon by slope-failure processes, waves, wind, rainfall, or ice and covered by seawater only during severe storms with exceptionally high water levels. It is typically horizontal or rising landward and may be divided from the foreshore by the crest of the most seaward berm. The landward backslope of a spit or barrier beach is also considered to be part of the backshore unless the bay or lagoon shore of the barrier is mapped separately. Typical mapped backshore forms include cliffs, slopes, dunes, washover channels and fans, and wetlands, as well as artificial forms such as docks, ramps, seawalls, revetments, or other shore protection forms. Materials include combinations of ice, organics, mud, sand, gravel and boulders, rock, or artificial materials such as concrete, wood, or steel. Combinations of zonal form and material types can be queried to build more sophisticated classifications based on multiple criteria or empirical indices. For more information please refer to the datafile entitled: CCIN12119_20150218_Backshore_Extended_Metadata_FGDC.xml

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,019
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,213
Écart entre enseignants0,201 · 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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Polar Data NetworkTravaux en français237 207