Evaluación de la sensibilidad costera ante el impacto de derrames de hidrocarburos
Bibliographic record
Abstract
Los mapas de Índice de Sensibilidad Ambiental (ISA) constituyen una herramienta informática de gran utilidad para las instituciones de vigilancia y mitigación de desastres, cuando ocurren impactos de las mareas negras contra la zona costera. Existen a nivel mundial diferentes procedimientos metodológicos para su confección, siguiendo las normas creadas por la Asociación Regional de Empresas del Sector Petróleo, Gas y biocombustibles en Latinoamérica y el Caribe (ARPEL), la Canadian International Development Agency (CIDA), la Nacional Oceanic and Atmospheric Administration (NOAA), Petróleos Brasileiros S.A. (PETROBRAS). Cada una responden a patrones de desarrollo tecnológico, aspecto que no se corresponden con la economía e infraestructura de un país como Cuba. El objetivo de este proyecto es evaluar las metodologías existentes y crear una para Cuba, probándola, en esta primera etapa, en el tramo costero de bahía de La Habana hasta la ensenada de Bacunayagua, zona conocida como Franja Petrolera Norte Cubana (FPNC), donde se encuentran los principales yacimientos gasopetrolíferos de Cuba y unos de los mayores corredores marítimos de trasiego de hidrocarburos dentro del estrecho de la Florida. En la evaluación se incluyeron aspectos oceanológicos, geomorfológicos, sedimentológicos, económicos, meteorológicos, medio ambientales, procesamiento de imágenes satelitales, modelación matemática y otras informaciones de interés para la zona costera cubana.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".