Notice bibliographique
Résumé
Dr. Hasan Sungur CIVELEK Dr. Ilhan TARIMER Dr. Arif NESRULLAZADE Dr. Ahmet BALCI Dr. Fikret KACAROĞLU Dr. Ergun BAYSAL Dr. Osman Zeki HEKIMOĞLU Dr. Zeynep Fidan KOCAK Dr. Tayfun BUKE Dr. Ali KECEBAS Dr. Dursun AYDIN Dr. Deniz ULGEN Dr. Soner TASLAK Dr. Mehmet UĞURLU Dr. Latif TASKAYA Dr. Baris Ethem SUZEK Dr. Desire RASOLOMAMPIONONA Politechnika Warszawska, POLAND Dr. Inan GULER Gazi University, TURKEY Dr. John Mark DEAN University of South Carolina Columbia, USA Dr. Lech GRZESIAK Politechnika Warszawska, POLAND Dr. Cathy H. WU, University of Delaware, USA Dr. Matthew O.T. COLE, University of Bath, UK Dr. Nurettin KAYMAKCI, Middle East Technical University, TURKEY Dr. Richard TOSDAL, University of British Columbia, CANADA Dr. Daniela GIANNETTO, Mugla Sitki Kocman University, TURKEY Dr. Syed Ejaz AHMED, Brock University, CANADA Dr. Tuncay YIĞIT, Suleyman Demirel University, TURKEY Dr. Yavuz CAKIR, Embry – Riddle Aeronautical University, USA Dr. William SINGHOSE, Georgia Institute of Technology, USA
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,668 | 0,576 |
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 ».