Bibliographic record
Abstract
Une tentative pour caractériser les effets possibles de l'activité humaine sur les précipitations est entreprise en analysant les précipitations de semaine versus celles de fin de semaine au-dessus du continent américain. À ce jour, les recherches déjà existantes sur le sujet, dont une achevée à McGill en 2013 par Cazenave, ont été réalisées en utilisant différentes bases de données et différentes méthodes statistiques. Les résultats obtenus sont partagés. L'objectif principal de ce travail est de diminuer au maximum les erreurs pouvant survenir lors du calcul de significativité d'un cycle hebdomadaire de précipitations en déterminant les tests statistiques appropriés et adaptés au contexte et en contrebalançant les effets non voulus que cause l'autocorrélation temporelle. Les caractéristiques de la différence entre les précipitations de jour de semaine et celles de jour de fin de semaine sont observées en analysant des données d'accumulation ainsi que des probabilités de réflectivité provenant d'images composites de données radar. Ces données ont été généré et archivé depuis la fin de l'année 1995 et jusqu'en septembre 2014 pour les douze mois de chaque année. De là, la significativité statistique est évaluée au moyen de deux différentes méthodes. La première tient compte d'un nombre effectif de données indépendantes [Bayley, 1946] et la deuxième utilise une approche de Monte Carlo. Cette dernière est aussi utilisée pour analyser des données aléatoires afin de comparer les résultats avec nos observations. Les résultats de ces deux méthodes révèlent des régions similaires avec un cycle hebdomadaire de précipitations potentiellement significatif. On note entre autres des petites régions au-dessus du Texas et de la Floride ainsi qu'une région plus importante dans la partie nord-est des États-Unis centrée au-dessus de la Pennsylvanie. Par contre, des études supplémentaires sur les valeurs significatives démontrent que moins de 5% de la région continentale américaine apparait significative sous un intervalle de confiance de 95%, suggérant que la signature significative soit due au hasard.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".