Notice bibliographique
Résumé
List of Abbreviations. Foreword. General Report Stefano Simontacchi . Australia Manuel Makas & Brian Lawrence. Belgium Laurens Narraina, Maarten Tas & Yves Voeten. Brazil Alvaro Taiar Junior & Ana Luiza. Bulgaria Kamena Valcheva & Ekaterina Dimitrova. Canada Christopher J. Potter, Chris Vangou & David Glicksman. Finland Samuli Makkonen & Visa Randell . France Bruno Lunghi, Philippe Emiel & Fabrice Rymarz. Germany Uwe Stoschek & Helge Dammann. Greece Vassilis Vizas. Hong Kong Kwok Kay So & Cathy Ng. Italy Fabrizio Acerbis & Daniele Di Michele. Japan Raymond A. Kahn & Hiroshi Takagi. Malaysia Jennifer Chang. Mexico David Cuellar (ITS Partner - Mexico Real Estate Tax Leader), Gabriel I. Aguilar Bustamante (Corporate Legal Services Partner) & Carlos Vela Trevino (Corporate Legal Services Manager). The Netherlands Jeroen Elink Schuurman & Serge de Lange. Singapore David Sandison & Teo Wee Hwee. South Korea Jin-Young Lee, Taejin Park & Yongjoon Yoon . Spain Antonio Sanchez & Jose L. Lucas. Turkey Ersun Bayraktaroolu & Baran Akan. United Kingdom Rosalind Rowe. United States Gary Cutson, John Gottfried, Alan Naragon, Kelly Nobis, Stephanie Tran, Jennifer Daubenspeck, Philip Sutton, Emily Pillars & Tom Kirtland. Appendix A. Appendix B
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,426 | 0,386 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».