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 8 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 mode candidate est l'union; le consensus est l'intersection.

venueno affnon étiqueté
What are Deep Disagreements?
Gustavo javier Arroyo
2025· article· en· Informal Logic· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
1
citations
aboutno affnon étiqueté
A Familiar, Invisible Engine Is Driving the AI Revolution
Matan Gavish
2024· article· en· Harvard Data Science Review· Computer Science
prédiction distillée:candidate · scholarly_communication+open_science+insufficient_payloadconsensus · aucune
1
citations
aboutno affnon étiqueté
A Data Mining Analysis of Cognitive Science and Artificial Intelligence
Tayeb Brahimi, Hala Haneya, Asra Yaqub, Fatmah Al Salem, Joudi Bathallath
2022· article· en· 2022 14th International Conference on Computational Intelligence and Communication Networks (CICN)· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
1
citations
affvenuenon étiqueté
Cognification in Learning, Teaching, and Training
Vive Kumar, Mohamed Ally, Avgoustos Tsınakos, Helmi Norman
2022· article· en· Canadian Journal of Learning and Technology· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affnon étiqueté
Use Cases
Patrick Parra Pennefather
2023· book-chapter· en· Design Thinking· Computer Science
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
1
citations
venueno affnon étiqueté
A Four-Layer Security Governance Framework for LLM-Based AI Agents
Yiang Gao, Shanshan Wu
2025· article· Journal of Artificial Intelligence Practice· Computer Science
prédiction distillée:candidate · metaresearch+metaepi_narrow+sts+scholarly_communication+research_integrityconsensus · aucune
1
citations
affsans résuménon étiqueté
BRL: A Toolkit for Learning How an Agent Performs Belief Revision
Aaron Hunter, Konstantin Boyarinov
2022· article· en· Proceedings of the 14th International Conference on Agents and Artificial Intelligence· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affnon étiqueté
A Genealogical Approach to Algorithmic Bias
Marta Ziosi, David Watson, Luciano Floridi
2024· article· en· SSRN Electronic Journal· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
1
citations
affsans résuménon étiqueté
Survey on Explainable Ai: Techniques, Challenges and Open Issues
Adel Abusitta, Miles Q. Li, Benjamin C. M. Fung
2024· preprint· en· SSRN Electronic Journal· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communication+research_integrityconsensus · aucune
1
citations
affnon étiqueté
Addressing Stability in Classifier Explanations
Siavash Samiei, Nasrin Baratalipour, Pranjul Yadav, Amitabha Roy, Dake He
2021· article· en· 2021 IEEE International Conference on Big Data (Big Data)· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communication+open_scienceconsensus · aucune
1
citations
affnon étiqueté
Veracity: An Open-Source AI Fact-Checking System
Taylor Lynn Curtis, Maximilian Puelma Touzel, William Garneau, Manon Gruaz, Mike Pinder, Li Wang +3 autres
2025· article· en· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
1
citations
affnon étiqueté
Model AI Assignments
Todd W. Neller, John DeNero, Dan Klein, Sven Koenig, William Yeoh, Xiaoming Zheng +6 autres
2010· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
1
citations
affnon étiqueté
Hidden Markov Model: Tutorial
Benyamin Ghojogh, Fakhri Karray, Mark Crowley
2024· preprint· en· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communication+open_science+insufficient_payloadconsensus · aucune
1
citations

En coulisses: Sélection · Constats · À propos