MétaCan
Menu
Retour à la cohorte
Enregistrement W7084039241 · doi:10.1109/iwagpr65621.2025.11109020

A Combined Geophysical Approach to Imaging Permafrost Across Varying Ground Types in the Inuvialuit Settlement Region

2025· article· en· W7084039241 sur OpenAlexaffabout

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Technology
Établissements canadiensGeological Survey of Canada
Organismes subventionnairesnon disponible
Mots-clésPermafrostGround-penetrating radarSettlement (finance)Active layerClimate changeArctic

Résumé

récupéré en direct d'OpenAlex

Changing climate conditions are causing significant impacts on Arctic communities, rapidly changing the landscape and drastically impacting ecosystems and the infrastructure these communities rely on to sustain their way of life. Ground penetrating radar and passive seismic are two complementary non-destructive methods when used to investigate the near subsurface permafrost within these locations. Permafrost thaw being one of the greatest threats to such landscapes which have a significant permafrost distribution. Investigation of the permafrost is essential to understanding the vulnerability of the ground and infrastructure within these areas, with these two geophysical methods providing new insights into permafrost vulnerability and active-layer processes. This study uses data collected in August 2024 at Reindeer Point near Tuktoyaktuk, Inuvialuit Settlement Region, Canada, whilst the active layer was in a thaw state. Depth to top of the permafrost layer was found to be$1.0-1.7 ~\mathrm{m}, 1.4-2.8 ~\mathrm{m}$and$0.3-1.3 ~\mathrm{m}$, in areas of different ground type – one location of untouched ground, one of partial made ground and another of completely made ground. Studying the differences in depth to the top of the permafrost for these different ground types is an initial step to more comprehensive investigation of the variability of permafrost in relation to different infrastructure locations and a look into the interaction between infrastructure and permafrost thaw and further to determine methodology to determine whether we are finding massive ice or permafrost.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,301
Écart entre enseignants0,279 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEducational Innovations and TechnologyTravaux en français237 207