MétaCan
ENFR
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.

Exporter en CSVExporter en JSONRequête API

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
Use R!
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.

25 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.
25 travaux dans la cohorte · sur 4 299 418page 1 sur 1

Les étiquettes couvrent 0 des 25 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 25 des 25 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
Canonical Ordination
Daniel Borcard, François Gillet, Pierre Legendre
2018· book-chapter· en· Use R!· Environmental Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
44
citations
affsans résuménon étiqueté
Exploratory Data Analysis
Antonio Páez, Geneviève Boisjoly
2022· book-chapter· en· Use R!· Economics, Econometrics and Finance
prédiction machine:candidate · aucuneconsensus · aucune
35
citations
affsans résuménon étiqueté
Community Diversity
Daniel Borcard, François Gillet, Pierre Legendre
2018· book-chapter· en· Use R!· Environmental Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affsans résuménon étiqueté
Cluster Analysis
Daniel Borcard, François Gillet, Pierre Legendre
2018· book-chapter· en· Use R!· Agricultural and Biological Sciences
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affsans résuménon étiqueté
Discrete Choice Analysis with R
Antonio Páez, Geneviève Boisjoly
2022· book· en· Use R!· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
affsans résuménon étiqueté
Introduction
Marius Hofert, Ivan Kojadinovic, Martin Mächler, Jun Yan
2018· book-chapter· en· Use R!· Environmental Science
prédiction machine:candidate · insufficient_payloadconsensus · insufficient_payload
6
citations
affsans résuménon étiqueté
Retirement Income Recipes in R
Moshe A. Milevsky
2020· book· en· Use R!· Decision Sciences
prédiction machine:candidate · insufficient_payloadconsensus · aucune
5
citations
affsans résuménon étiqueté
Association Measures and Matrices
Daniel Borcard, François Gillet, Pierre Legendre
2018· book-chapter· en· Use R!· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
affsans résuménon étiqueté
Models for Ordinal Responses
Antonio Páez, Geneviève Boisjoly
2022· book-chapter· en· Use R!· Health Professions
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Logit
Antonio Páez, Geneviève Boisjoly
2022· book-chapter· kn· Use R!· Economics, Econometrics and Finance
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Data, Models, and Software
Antonio Páez, Geneviève Boisjoly
2022· book-chapter· en· Use R!· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
BCEAweb: A User-Friendly Web App to Use BCEA
Gianluca Baio, Andrea Berardi, Anna Heath, Nathan Green
2025· book-chapter· en· Use R!· Decision Sciences
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
affsans résuménon étiqueté
Modeling Human Longevity and Life Tables
Moshe A. Milevsky
2020· book-chapter· en· Use R!· Social Sciences
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Ties, Time Series, and Regression
Marius Hofert, Ivan Kojadinovic, Martin Mächler, Jun Yan
2018· book-chapter· en· Use R!· Economics, Econometrics and Finance
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Pensionization: From Benefits to Utility
Moshe A. Milevsky
2020· book-chapter· en· Use R!· Business, Management and Accounting
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Fundamental Concepts
Antonio Páez, Geneviève Boisjoly
2022· book-chapter· en· Use R!· Economics, Econometrics and Finance
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Behavioral Insights from Choice Models
Antonio Páez, Geneviève Boisjoly
2022· book-chapter· en· Use R!· Economics, Econometrics and Finance
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Probabilistic Sensitivity Analysis Using BCEA
Gianluca Baio, Andrea Berardi, Anna Heath, Nathan Green
2025· book-chapter· en· Use R!· Mathematics
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Estimation
Marius Hofert, Ivan Kojadinovic, Martin Mächler, Jun Yan
2018· book-chapter· en· Use R!· Economics, Econometrics and Finance
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos