MétaCan
Menu
Retour à la cohorte
Enregistrement W1971360980 · doi:10.4018/jcini.2011100101

Cognitive Informatics and Cognitive Computing in Year 10 and Beyond

2011· article· en· W1971360980 sur OpenAlexaff
Yingxu Wang, Robert C. Berwick, S. Haykin, Witold Pedrycz, Witold Kinsner, George Baciu, Du Zhang, C. Virendrakumar Bhavsar

Notice bibliographique

RevueInternational Journal of Cognitive Informatics and Natural Intelligence · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Computing and Networks
Établissements canadiensUniversity of ManitobaMcMaster UniversityUniversity of New BrunswickUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCognitive computingInformaticsComputer scienceCognitionEngineering informaticsData scienceCognitive models of information retrievalInformation scienceLIDABusiness informaticsCognitive scienceField (mathematics)Artificial intelligenceHealth informaticsCognitive architecturePsychologyLibrary scienceMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Cognitive Informatics (CI) is a transdisciplinary enquiry of computer science, information sciences, cognitive science, and intelligence science that investigates into the internal information processing mechanisms and processes of the brain and natural intelligence, as well as their engineering applications in cognitive computing. The latest advances in CI leads to the establishment of cognitive computing theories and methodologies, as well as the development of Cognitive Computers (CogC) that perceive, infer, and learn. This paper reports a set of nine position statements presented in the plenary panel of IEEE ICCI*CC’11 on Cognitive Informatics in Year 10 and Beyond contributed from invited panelists who are part of the world’s renowned researchers and scholars in the field of cognitive informatics and cognitive computing.

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)0,007
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,014
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,008
Communication savante0,0140,013
Science ouverte0,0010,006
Intégrité de la recherche0,0060,012
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,024
Tête enseignante GPT0,289
Écart entre enseignants0,265 · 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

Citations49
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Cognitive Informatics and Natural IntelligenceMême sujetCognitive Computing and NetworksTravaux en français237 207