Is It Scientific? Viewer Perceptions of Storm Surge Visualizations
Bibliographic record
Abstract
Les scientifiques et les gestionnaires des risques côtiers utilisent des visualisations semi-réalistes des ondes de tempêtes liées aux modèles hydrodynamiques afin de faire en sorte que les effets projetés suscitent l’intérêt et soient accessibles. Ces visualisations ne s’inscrivent pas convenablement dans les cadres de référence établis pour visualiser les risques, étant donné qu’elles ajoutent des détails de représentation et peuvent suggérer davantage de certitude qu’elles ne le devraient quant aux résultats. Les auteurs se demandent comment les publics exposés envisagent ces visualisations par rapport aux normes de représentation des graphiques et des visualisations scientifiques telles qu’elles sont perçues. Ils interrogent les participants à un sondage en ligne (735 experts et membres du grand public, essentiellement du Rhode Island et du nord-est des États-Unis) au sujet des caractéristiques qui font qu’une représentation est « scientifique ». Les résultats du sondage montrent l’existence de différences dans les normes mises de l’avant par les experts et par le public et révèlent que les personnes et les institutions qui créent les visualisations peuvent influencer les perceptions de légitimité davantage que le style de visualisation. La possibilité que les visualisations induisent en erreur et entretiennent l’idée selon laquelle les scientifiques se livrent à un plaidoyer risque de s’en trouver accrue.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".