MétaCan
Menu
Retour à la cohorte
Enregistrement W1984224019 · doi:10.1108/14714170610713926

Finding out: a system for providing rapid and reliable answers to questions in the construction sector

2006· article· en· W1984224019 sur OpenAlexafffund
Jean–Marc Robert, Lucie Moulet, Gonzalo Lizarralde, Colin H. Davidson, Jian‐Yun Nie, Lyne Da Sylva

Notice bibliographique

RevueConstruction Innovation · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesPolytechnique Montréal
Mots-clésComputer scienceQuestion answeringNatural languageParagraphThe InternetInformation retrievalProcess (computing)World Wide WebInformation systemThesaurusInterface (matter)Domain (mathematical analysis)Knowledge managementArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

The construction sector is notorious for the dichotomy between its intensive use of information in its decision‐making processes and its limited access to, and insufficient use of, the pertinent information that is potentially available, e.g. on the internet. This paper seeks to examine this issue. To solve this problem (the ‘problem of information aboutinformation’), a multidisciplinary team developed an online question‐answering (Q.‐A.)system that uses natural language for the query and the reply. The system provides a direct answer to questions posed by building industry participants, instead of providing a list of references (as is the case with most online information retrieval systems), much as if onewere asking a question of, and receiving a response from, an expert.It has the capabilitiesto process questions in natural language, to find appropriate fragments of answers indifferent web sites and to condense them into a paragraph, also written in natural language. The main features of the system are that it uses domain‐specific knowledge (in the form ofa hierarchical specialized thesaurus complemented by terms of fieldwork parlance),semantic categorization, a database of filtered and indexed web sites, and an online interface that is adapted to different profiles of actors in the construction sector. The testing process shows that the system goes beyond the lists of references and links provided by traditional search engines on the web.The Q.‐A.system already gives 70% of satisfactory answers. The Q.‐A.system can be applied to other business domains apart from information retrieval and decision‐making in the building sector. It is also possible to apply it to the exploitation of in‐house knowledge management database.

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)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,017
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,009
Science ouverte0,0020,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0370,020

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 Opus0,023
Tête enseignante GPT0,261
Écart entre enseignants0,238 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations11
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConstruction InnovationMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207