MétaCan
Menu
Retour à la cohorte
Enregistrement W7104286472 · doi:10.5281/zenodo.17546356

"LAWRENCE'S BUTTERFLY" OR REQUIEM FOR THE DREAM OF AN EARTHQUAKE PREDICTION ALGORITHM

2025· article· en· W7104286472 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueEarthquake Detection and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSnowEarthquake predictionFault (geology)Volume (thermodynamics)Thermodynamic processMagmaNatural (archaeology)

Résumé

récupéré en direct d'OpenAlex

For an earthquake (a discharge of energy), explosion, a snow avalanche, mountain strike and other seismic events to occur, it is necessary to change the thermodynamic indicators of the system. It can be: a sudden change in temperature or pressure in the system (for example, phase transition), a change in the critical mass of the nuclear charge, the appearance of radicals during chemical reactions (chain reactions), a sudden change in volume of the system or its physical-mechanical properties (for example, Rehbinder effect). It is known that the change in ambient temperature is already enough to cause a snow avalanche, and the movement of magma can cause a swarm of earthquakes. Based on this, we can assume that these events, located in different natural environments, have a common thermodynamic mechanism of initiation. To the process of snow avalanche should be added such processes as sliding glaciers, catastrophic collapses, etc. In most cases we cannot prevent these processes and therefore it is important for us to know the forecast of these events to prevent their sudden onset. This article discusses the possibility of predicting earthquakes and snow avalanches in light of modern advances in thermodynamics.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0450,030

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 Opus0,026
Tête enseignante GPT0,239
Écart entre enseignants0,213 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetEarthquake Detection and AnalysisTravaux en français237 207