MétaCan
Menu
Retour à la cohorte
Enregistrement W1507301859 · doi:10.70930/tac/6p98o499

Compositories and Gleaves

2016· article· en· W1507301859 sur OpenAlexafffundvenue
Cecilia Flori, T. A. Fritz

Notice bibliographique

RevueTheory and applications of categories · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueAlgebraic structures and combinatorial models
Établissements canadiensPerimeter Institute
Organismes subventionnairesMinistero dello Sviluppo EconomicoInstitut Périmètre de physique théoriqueIndustry CanadaGovernment of CanadaJohn Templeton Foundation
Mots-clésMorphismMathematicsDistributive propertySheafPure mathematicsCartesian closed categoryCartesian productAlgebra over a fieldDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex

Sheaves are objects of a local nature: a global section is determined by how it looks locally.Hence, a sheaf cannot describe mathematical structures which contain global or nonlocal geometric information.To fill this gap, we introduce the theory of "gleaves", which are presheaves equipped with an additional "gluing operation" of compatible pairs of local sections.This generalizes the conditional product structures of Dawid and Studený, which correspond to gleaves on distributive lattices.Our examples include the gleaf of metric spaces and the gleaf of joint probability distributions.A result of Johnstone shows that a category of gleaves can have a subobject classifier despite not being cartesian closed.Gleaves over the simplex category ∆, which we call compositories, can be interpreted as a new kind of higher category in which the composition of an m-morphism and an n-morphism along a common k-morphism face results in an (m + n -k)-morphism.The distinctive feature of this composition operation is that the original morphisms can be recovered from the composite morphism as initial and final faces.Examples of compositories include nerves of categories and compositories of higher spans.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,007
Communication savante0,0030,009
Science ouverte0,0000,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,264
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTheory and applications of categoriesMême sujetAlgebraic structures and combinatorial modelsTravaux en français237 207