MétaCan
Menu
Retour à la cohorte
Enregistrement W7080765872 · doi:10.26152/vxr0-mr12

Arctic Marine Soundscape in Cambridge Bay, Nunavut, Canada, 2014 and 2024

2025· other· en· W7080765872 sur OpenAlexaboutno aff

Notice bibliographique

RevueOcean Networks Canada Society · 2025
Typeother
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArcticBaySoundscapeShoreSound (geography)UnderwaterHydrophoneBeluga Whale

Résumé

récupéré en direct d'OpenAlex

Ocean Networks Canada operates and maintains innovative cabled observatories that supply continuous power and Internet connectivity to various scientific instruments located in coastal, deep-ocean, and Arctic environments. This data set contains 5-minute audio files (n = 13,516) from Cambridge Bay, Nunavut, Canada collected in February 2014 and 2024 using Ocean Sonic icListen underwater hydrophones. Cambridge Bay is located along the southern portion of Victoria Island in the Canadian Arctic, and the Cambridge Bay Coastal Community Observatory is located 0.5 km from shore with the underwater hydrophone located at 13 m depth. Audio files were collected in 5-minute subsections and recorded continuously at 64 kHz sampling rate and 24-bit rate. Audio files were used to understand the changing under-ice marine soundscape over the last decade. The soundscape code was used to document changes related to amplitude, impulsiveness, periodicity and uniformity of the soundscape over time. All files were processed in MATLAB using the SSC metric tool for three frequency bands: the broadband range of the hydrophone (up to 32 kHz), hearing range of Arctic cod (< 1000 Hz), and the frequency band corresponding to Arctic cod grunts (50-500 Hz). Additionally, a subset of files were manually annotated in Raven Pro to examine the contribution of biological (e.g., Arctic cod grunts), geological (e.g., ice noise) and human generated noise sources (anthropogenic, e.g., snowmobile) to the soundscape.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,008
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,003
Tête enseignante GPT0,166
Écart entre enseignants0,163 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOcean Networks Canada SocietyMême sujetGeochemistry and Geologic MappingTravaux en français237 207