The Sedimentary Geochemistry and Paleoenvironments Project
Bibliographic record
Abstract
A geobiologia explora como o sistema da Terra mudou ao longo da história geológica e como os organismos vivos neste planeta são impactados por ou estão de fato causando essas mudanças. Por décadas, geólogos, paleontólogos e geoquímicos geraram dados para investigar esses tópicos. Os esforços fundamentais em geoquímica sedimentar utilizaram planilhas para armazenamento e análise de dados, adequadas para vários milhares de amostras, mas não práticas ou escaláveis para conjuntos de dados maiores e mais complexos. À medida que os resultados se acumularam, os pesquisadores gravitaram cada vez mais em direção a compilações maiores e ferramentas estatísticas. Novas estruturas de dados tornaram-se necessárias para lidar com conjuntos de amostras maiores e encorajar análises estatísticas mais sofisticadas ou mesmo padronizadas. Neste artigo, descrevemos o Sedimentary Geochemistry and Paleoenvironments Project (SGP; Figura 1), que é um consórcio de pesquisa aberto, orientado para a comunidade e baseado em banco de dados. Os objetivos do SGP são (1) criar um banco de dados relacional adaptado às necessidades da comunidade de pesquisa geoquímica sedimentar de tempo profundo (milhões a bilhões de anos), incluindo a montagem e curadoria de dados publicados e não publicados associados; (2) criar um site onde os dados podem ser recuperados de forma flexível; e (3) construir um consórcio colaborativo onde os pesquisadores são incentivados a contribuir com dados, dando-lhes acesso prioritário e a oportunidade de trabalhar em questões interessantes em artigos de grupo. Finalmente, e de forma mais idealista, o objetivo era estabelecer uma cultura de gerenciamento de dados moderno e análise de dados em geoquímica sedimentar.
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 | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.004 |
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".