The Coastie Initiative: Crowdsourcing Coastal Monitoring
Notice bibliographique
Résumé
Coastline change is an ever-increasing area of interest with a multitude of research opportunities. The Coastie Initiative was developed with Parks Canada to crowdsource the collection of regular imagery of coastal morphology, building a large dataset for tracking shoreline change. Citizens can partake in this growing program by submitting a Coastie through the web-based platform. At every site, a phone cradle, designed to standardize images, is accompanied by an informational panel and a QR code. Visitors can use the QR code to quickly access the submission wizard. After submission, the image is saved and awaits classification by researchers. The intended development of the project includes an achievement system to promote user retention, an automated classification system to eliminate manual labelling, and an ocean literacy stream as an effort to educate and inform the public. The initiative was launched during the fall of 2021 with 5 locations, now boasting 32 sites across Canada. The Coastie program is a collaboration that has developed from the global CoastSnap Community Beach Monitoring movement that began in Australia in 2017. Using the early prototype dataset, coastal change can be quantified from repeat geo-rectified images. These capture deposition/erosion of the beach and dune topography in response to ambient environmental conditions or higher energy storm events, most notably hurricane Fiona. This dataset serves as a baseline to monitor how coastal systems respond to climate change, including sea level rise and change in storm activity. The Coastie Initiative allows citizen scientists to influence coastline exploration participating alongside motivated researchers.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,006 |
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 ».