MétaCan
Menu
Retour à la cohorte
Enregistrement W1969842747 · doi:10.13008/2151-2957.1207

The Rhetoric of (Interdisciplinary) Science: Visuals and the Construction of Facts in Nanotechnology

2014· article· en· W1969842747 sur OpenAlexaff
Heather Graves

Notice bibliographique

RevuePoroi · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRhetoricNanotechnologyEngineering ethicsEngineeringMaterials sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Since Jeanne Fahnestock attention to the role of between images and rhetoric has grown, both generally and in rhetoric of science (Hope, 2006; Fleckenste and Richards, 2008, and others).R Alan Gross (2007; 2014) and Don Idhe (2007), among others, have responded, generating insight into the function of visuals in science research.Some of this work has visuals in specific disciplines (for example, Gross has looked at visuals in biology, chemistry, and geology); other work has explored the function of visuals across disciplines (for example, Idhe has drawn examples from medi of complexity in the relationship between visual representations and "reality").This work has enabled a better understanding of how images contribute to knowledge generation in science.While this work draws from published images from historical scientific discoveries, it also focuses on disciplinary science such as biology (including medical images) or physics.So far researchers have not explored how interdisciplinary fields in science such as nanotechnology employ visuals.The newly emerging field of nanotechnology brings together expertise from a range of areas.For example, studying prion (protein misfoldi Creutzfeldt-Jakob disease [CJD] in humans; bovine spongiform encephalitis [BSE] in mice, sheep, and cows; and chronic wasting disease [CWD] in cervids [deer, elk, and caribou] combines expertise from physics, chemistry, biology, medicine, veterinary medicine and engineering.Research on third generation solar cells requires expertise from chemistry, physics, and engineering.The methods used to answer research questions about scientific phenomena at the nanoscale (smaller than 100 nm or 10 interdisciplinary, and the data derived from these methods

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)0,009
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0080,045
Communication savante0,0140,021
Science ouverte0,0010,006
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,278
Écart entre enseignants0,268 · 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.

Devis d'étudeQualitatif
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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePoroiMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207