Expanding the Gathering of Real-Time In Situ Oceanographic Data With the DFO Marine Mammal Research Program
Bibliographic record
Abstract
L’observation des océans est nécessaire afin de mieux comprendre, modéliser et prédire leur évolution. À cette fin le MPO a mis sur pied le Programme de Monitorage de la Zone Atlantique (PMZA) pour faciliter la collecte de données océanographiques physiques et biologiques pour la zone nord-ouest de l’Atlantique. Le PZMA est un important collaborateur et fournisseur de données pour l’océanographie opérationnelle, laquelle sert un bon nombre d’utilisateurs scientifiques et industriels, ainsi que la navigation de plaisance. Le rôle principal de l’océanographie opérationnelle est de fournir de l’information fiable sur les conditions océaniques aux échelles temporelles et spatiales désirées, dans un délai raisonnable, ce qui permet à l’utilisateur de prendre des décisions plus éclairées. Afin d’ajouter à la panoplie d’informations océanographiques recueillies par des méthodes classiques, nous proposons l’utilisation de « plateformes biologiques » telles que des capteurs ou balises attachés sur le dos de phoques afin de mieux échantillonner les eaux canadiennes de l’Atlantique. Cet article décrit la méthodologie utilisée et présente quelques résultats physiques et biologiques obtenus en 004 et 005. Une revue des enjeux et des avantages de cette méthodologie est finalement présentée pour mettre en lumière le potentiel de ce programme d’acquisition de données océanographiques basé sur l’utilisation de phoques.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".