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
Computational Brain & Behavior
Sujet
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.

15 résultats · 1 filtre actif ·
Résultats par année
20182025
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.
15 travaux dans la cohorte · sur 4 299 418page 1 sur 1

Les étiquettes couvrent 0 des 15 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 15 des 15 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.

affsans résuménon étiqueté
An Instance Theory of Semantic Memory
Randall K. Jamieson, Johnathan E. Avery, Brendan T. Johns, Michael N. Jones
2018· article· en· Computational Brain & Behavior· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
65
citations
afffundnon étiqueté
Reclaiming AI as a Theoretical Tool for Cognitive Science
Iris van Rooij, Olivia Guest, Federico Adolfi, Ronald de Haan, Antonina Kolokolova, Patricia Rich
2024· article· en· Computational Brain & Behavior· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
54
citations
affsans résuménon étiqueté
Dynamic Perception of Well-Learned Perceptual Objects
Samuel Harding, Denis Cousineau, Richard M. Shiffrin
2021· article· en· Computational Brain & Behavior· Neuroscience
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
afffundsans résuménon étiqueté
The Problem-Ladenness of Theory
Daniel Levenstein, Aniello De Santo, Saskia Heijnen, Manjari Narayan, Freek J. W. Oude Maatman, Jonathan Rawski +1 autres
2024· article· en· Computational Brain & Behavior· Neuroscience
prédiction machine:candidate · stsconsensus · aucune
3
citations
affsans résuménon étiqueté
Correction to: An Instance Theory of Semantic Memory
Randall K. Jamieson, Johnathan E. Avery, Brendan T. Johns, Michael N. Jones
2019· article· en· Computational Brain & Behavior· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affnon étiqueté
What Makes a Good Theory? Interdisciplinary Perspectives
Iris van Rooij, Berna Devezer, Joshua Skewes, Sashank Varma, Todd Wareham
2024· article· en· Computational Brain & Behavior· Arts and Humanities
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Modeling Time Cell Neuron-Level Dynamics
Mustafa Zeki, Fuat Balcı
2023· article· en· Computational Brain & Behavior· Neuroscience
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
afffundsans résuménon étiqueté
EEG Activity Predictive of Learning Through Feedback
Matthew Danyluik, Sucheta Chakravarty, Jeremy B. Caplan
2025· article· en· Computational Brain & Behavior· Neuroscience
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Dynamic Modeling of Visual Search
Zainab Rajab Mohamed, Denis Cousineau, Samuel Harding, Richard M. Shiffrin
2023· article· en· Computational Brain & Behavior· Neuroscience
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos