MétaCan
ENFR
Menu
Cohort builder

4,299,418 works, Canadian by any of four routes.

Every filter state is a URL; the URL is the query; the query is citable via /q/⟨hash⟩. The page, the API and the export parse the same parameters.

Export CSVExport JSONAPI query

The current cohort, streamed from the database: every work column, the machine labels, the provisional scores, and the per-row validation status. Exports are capped at 100,000 rows. Mints a permanent /q/ link for this exact query. The same filters always produce the same link, whoever asks.

Search term
Author
Year range
→
Sort
Language
Type
Field
Venue
Современные проблемы науки и образования
Topic
Retraction
Abstract
Evidence source
Study design
Label agreement
Label status

Direct Codex and Gemma labels are unvalidated and sparse. Distilled predictions cover the full frame and are also unvalidated. Choose the evidence source explicitly; absence of a direct label is never a negative label.

affaffiliation
fundfunder
venuejournal
aboutaboutness

The four routes compose: require the funder route and exclude affiliation to get the funder-only stratum no affiliation-based frame ever sees.

36 results · 1 filter active ·
Results by year
20112015
Publication date
Categories
Machine labels · sparse coverage
Evidence
Language
Type
Citations
An unlabeled work is unknown, not a negative. Label coverage is reported on every query.
36 works in the cohort · of 4,299,418page 1 of 1

Labels cover 0 of 36 works in this cohort. The rest are unlabeled, which is not a negative label: the label table is sparse today and grows as labeling rounds land.

Distilled predictions cover 36 of 36 works in this cohort. Predictions are machine_predicted_unvalidated. The Gemma side is a direct model label for every work (title-only); the Codex side is a distilled, calibrated classifier. Candidate is the union; consensus is the intersection.

aboutno affunlabeled
Сравнительный анализ изменения толерантности к физической нагрузке у больных ишемической болезнью сердца под влиянием терапии, основанной на бисопрололе и ивабрадине
Е А Недоруба, А. Д. Багмет, Т В Таютина
2013· article· ru· Современные проблемы науки и образования· Medicine
machine prediction:candidate · noneconsensus · none
0
citations
aboutno affunlabeled
Прогнозирование результатов олимпийских игр 2014 года в неофициальном командном зачете методами искусственного интеллекта
Л. Н. Ясницкий, И. В. Павлов, Ф. М. Черепанов
2013· article· ru· Современные проблемы науки и образования· Economics, Econometrics and Finance
machine prediction:candidate · noneconsensus · none
0
citations
aboutno affunlabeled
Особенности клинического течения первичной дисменореи у девочек-подростков на фоне недифференцированной дисплазии соединительной ткани
В. С. Орлова, О. В. Моцная, И. В. Калашникова
2012· article· ru· Современные проблемы науки и образования· Medicine
machine prediction:candidate · noneconsensus · none
0
citations
aboutno affunlabeled
Фонд 301 «Бакинский комендант» Кизлярского комендантского архива ЦГА РД как источник по истории императорских гарнизонов на территории Западного и Южного Прикаспия в 1722–1735 гг
Е И Иноземцева, Арсен Омарович Муртазаев, Н Д Чекулаев
2014· article· ru· Современные проблемы науки и образования· Arts and Humanities
machine prediction:candidate · noneconsensus · none
0
citations
aboutno affunlabeled
Историко-культурное наследие Западной Сибири (на примере экспозиционной деятельности Тюменского областного краеведческого музея им. И. Я. Словцова в конце XX – начале XXI века)
Лариса Евгеньевна Ильина
2014· article· ru· Современные проблемы науки и образования· Social Sciences
machine prediction:candidate · noneconsensus · none
0
citations
aboutno affunlabeled
Организационно-методические возможности для занятий научными исследованиями в медицинских организациях железнодорожного транспорта Российской Федерации
Э. С. Кузнецов
2013· article· ru· Современные проблемы науки и образования· Medicine
machine prediction:candidate · metaresearchconsensus · none
0
citations

How this was built: Screen · Findings · About