MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Explainable Artificial Intelligence (XAI)
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

675 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
675 travaux dans la cohorte · sur 4 299 418page 4 sur 14

Les étiquettes couvrent 1 des 675 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 675 des 675 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

afffundnon étiqueté
Towards Trustworthy Artificial Intelligence in Healthcare
Carson K. Leung, Evan W.R. Madill, Joglas Souza, Christine Y. Zhang
2022· article· en· 2022 IEEE 10th International Conference on Healthcare Informatics (ICHI)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
afffundnon étiqueté
Optimal Decision Diagrams for Classification
Alexandre M. Florio, Pedro Martins, Maximilian Schiffer, Thiago Serra, Thibaut Vidal
2023· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
affsans résuménon étiqueté
Measures of Model Interpretability for Model Selection
André Carrington, Paul Fieguth, Helen Chen
2018· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
affsans résuménon étiqueté
Anniversary AI reflections
Noelia Ferruz, Marinka Žitnik, Pierre‐Yves Oudeyer, Emmie Hine, Nandana Sengupta, Yiyu Shi +4 autres
2024· article· en· Nature Machine Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
fundno affnon étiqueté
Alzheimer’s Multiclassification Using Explainable AI Techniques
Kamese Jordan, Kouayep Sonia Carole, Tagne Poupi Theodore Armand, Hee-Cheol Kim, The Alzheimer’s Disease Neuroimaging Initiative The Alzheimer’s Disease Neuroimaging Initiative
2024· article· en· Applied Sciences· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
A Neural Phillips Curve and a Deep Output Gap
Philippe Goulet Coulombe
2024· article· en· Journal of Business and Economic Statistics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
afffundsans résuménon étiqueté
Quality issues in machine learning software systems
Pierre-Olivier Côté, Amin Nikanjam, Rached Bouchoucha, Ilan Basta, Mouna Abidi, Foutse Khomh
2024· article· en· Empirical Software Engineering· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
9
citations

En coulisses: Sélection · Constats · À propos