MétaCan
Menu
Retour à la cohorte
Enregistrement W1788105885 · doi:10.21014/acta_imeko.v3i1.195

Intelligent instrumentation: a quality challenge

2014· article· en· W1788105885 sur OpenAlexaff
Henry J. Kohoutek

Notice bibliographique

RevueACTA IMEKO · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueSensor Technology and Measurement Systems
Établissements canadiensHewlett-Packard (Canada)
Organismes subventionnairesnon disponible
Mots-clésInstrumentation (computer programming)Quality assuranceQuality (philosophy)Quality assessmentComputer scienceEngineering managementSystems engineeringKey (lock)EngineeringData scienceExternal quality assessmentOperations managementComputer security

Résumé

récupéré en direct d'OpenAlex

This is a reissue of a paper which appeared in ACTA IMEKO 1988, Proceedings of the 11th Triennial World Congress of the International Measurement Confederation (IMEKO), "Instrumentation for the 21st century", 16.-21.10.1988, Houston, pp. 337-345. After a review and description of current trends in the design of electronic measurement and analytical instrumentation, changes in its application and use, and of associated quality issues, this paper deals with new quality issues emerging from the expected increase of artificial intelligence impact on system design and implementation strategies. The concept of knowledge quality in all its aspects (i.e. knowledge levels, representation, storage, and processing) is identified as the key new issue. Discussion of crucial knowledge quality attributes and associated assurance strategies suggests the need to enrich the assurance sciences and technologies by the methods and tools of applied epistemology. Described results from current research and investigation, together with first applications of artificial intelligence to particular analytical instruments, lead to conclusion that the conceptual framework of quality management is, in general, adequate for successful resolution of all quality issues associated with intelligent instrumentation.

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)0,046
score de la tête « metaresearch » (Gemma)0,054
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 enseignants0,046
Score d'incertitude au seuil0,243

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0050,037
Communication savante0,0190,033
Science ouverte0,0040,008
Intégrité de la recherche0,0100,013
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,067
Tête enseignante GPT0,302
Écart entre enseignants0,235 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACTA IMEKOMême sujetSensor Technology and Measurement SystemsTravaux en français237 207