Données CTD en temps réel, provenant des mouillages des bouées VIKING du Programme de monitorage de la zone Atlantique (PMZA)
Bibliographic record
Abstract
Données de CTD in-situ et moyennées au mètre en temps 'presque réel' . Aucun contrôle de qualité n'a été effectué sur ces données. Les données sont disponibles en deux versions soit : in situ : données recueillies aux niveaux d'enregistrement de la CTD ; moyennées (binned) : données moyennées au 1 mètre . Les données proviennent des 7 bouées Viking suivantes: PMZA-RIKI, PMZA-VAS, AZMP-ESG, AZMP-STA27, IML-7, IML-BA et NORTH-AJAX Pêches et Océans Canada effectue le monitorage de l’environnement marin en utilisant, parmi ses différents outils, des bouées océanographiques automatisées conçu et développé par une équipe scientifique de l’Institut Maurice-Lamontagne, en partenariat avec Multi-Électronique. En plus de mesurer une panoplie de paramètres météorologiques et océanographiques à la surface de l’eau, ces bouées permettent d’effectuer des profils de température et de salinité jusqu’à une profondeur de 200 m de façon autonome, sans intervention humaine, et de transmettre les données en temps réel. Les bouées s’insèrent dans une stratégie d’échantillonnage du Programme de monitorage de la zone atlantique du Ministère qui, depuis 1998, évalue les conditions océanographiques ayant cours dans le golfe du Saint-Laurent, le plateau néo-écossais ainsi que le plateau de Terre-Neuve-et-Labrador. Le Programme vise à mieux comprendre, à décrire et à prévoir l’état de l’écosystème marin, de même qu’à quantifier les changements observés dans les propriétés physiques, chimiques et biologiques de l’océan, que ce soit à l’échelle des saisons, des années ou sur des périodes plus longues. Les bouées sont en fait des laboratoires flottants en activité 24 heures sur 24. Elles sont d’une aide très précieuse pour la communauté scientifique dans les études sur les changements climatiques et le suivi de l’état de l’océan. Les profils acquis de façon automatiques permettent de quantifier les changements rapides de la température et de la salinité qui peuvent survenir – en raison de la marée par exemple – et de mettre en contexte les échantillonnages biologiques faits par les scientifiques à bord de navires à des fréquences moindres. Les navigateurs apprécient aussi le fait de connaître en temps réel les conditions de vents et de vagues au large, grâce à la diffusion en ligne des données.
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 | 0.003 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.008 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.028 | 0.012 |
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".