MétaCan
Menu
← Back to cohort
Record W7096799655

Option: Mécanique

2016· article· en· W7096799655 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typearticle
Languageen
FieldEnvironmental Science
TopicHydrology and Watershed Management Studies
Canadian institutionsnot available
Fundersnot available
KeywordsLimitingInsignificanceSnow cover
DOInot available

Abstract

fetched live from OpenAlex

Au vu de l'importance de l'hydrologie de la neige pour les ressources en eau des Prairies Canadiennes et de l'impact des processus de sublimation et transport par le vents, il existe un besoin fort de développement de modèles couplés associant des modules à base physique de transport de la neige par le vent à des modules décrivant l'évolution du manteau neigeux (accumulation et fonte) sur la base de bilans énergétiques. Lors de cette étude, Les modèles PBSM (transport par le vent) et Snobal (bilan d'énergie) ont été couplés pour la première fois au sein de la plate-forme de modélisation CRHM utilisée par le département d'hydrologie de l'Université du Saskatchewan. Les résultats sont comparés à ceux obtenus avec un modèle énergétique plus ancien et simplifié, EBSM. La première partie présente la plate-forme CRHM et les modèles couplés utilisés. Suit une brève description du basin de recherche de Marmot Creek où les données utilisées pour ce projet ont été collectées. Les méthodes d'interpolation utilisées pour reconstruire les données manquantes sont détaillées. Les premières simulations effectuées avant paramétrisation de Snobal et d'EBSM donnent des prévision peu précises concernant la période de fonte (retard). L'utilisation d'un jeu de paramètres plus appropriés améliore considérablement les résultats de Snobal concernant la profondeur maximale du manteau neigeux atteinte

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.733
Threshold uncertainty score0.892

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0020.001
Scholarly communication0.0040.004
Open science0.0020.003
Research integrity0.0030.002
Insufficient payload (model declined to judge)0.2670.037

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.

Opus teacher head0.008
GPT teacher head0.201
Teacher spread0.194 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same topicHydrology and Watershed Management Studies→French-language works237,207→