Contingency table techniques for three dimensional atom probe tomography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A contingency table analysis procedure is developed and applied to three dimensional atom probe data sets for the investigation of fine-scale solute co-/anti-segregation effects in multicomponent alloys. Potential sources of error and inaccuracy are identified and eliminated from the technique. The conventional P value testing techniques associated with chi(2) are shown to be unsatisfactory and can become ambiguous in cases of large block numbers or high solute concentrations. The coefficient of contingency is demonstrated to be an acceptable and useful basis of comparison for contingency table analyses of differently-conditioned materials. However, care must be taken in choice of block size and to maintain a consistent overall composition between experiments. The coefficient is dependent upon block size and solute composition, and cannot be used to compare analyses with significantly different solute compositions or to assess the extent of clustering without reference to that of the randomly ordered case. It is shown that as clustering evolves into larger precipitates and phases, contingency table analysis becomes inappropriate. Random labeling techniques are introduced to infer further meaning from the coefficient of contingency. We propose the comparison of experimental result, mu(exp), to the randomized value, micro(rand), as a new method by which to interpret the quantity of solute clustering present in a material. It is demonstrated that how this method may be utilized to identify an appropriate size of contingency table analysis blocks into which the data set is partitioned to optimize the significance of the results.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle