Notice bibliographique
Résumé
We are cartographers. From Gall’s early studies of bumps on the head and Broca’s documentation of a true brain–behavior relationship between language and the left hemisphere, we have been preoccupied with describing the neuroanatomic topography of language and cognitive functioning in the human brain. Technologic advances have vastly improved our precision in brain mapping. Elegantly detailed structural brain images can be obtained with high field MRI, and images of the working brain can be achieved with remarkably detailed spatial information using PET and fMRI. Limitations to this cartographic approach surfaced as we became increasingly sensitive to the temporal characteristics of neurocognitive functioning. The recent advent of electrocortical event-related potentials (ERP) has allowed us to characterize human language and cognition with remarkably high temporal resolution. However, the high temporal resolution of ERP is not accompanied by the spatial sensitivity of fMRI, and despite the high spatial resolution achieved with fMRI, this modality is quite limited in its temporal sensitivity. In this issue of Neurology , Crone et al. have achieved high spatial and temporal resolution with their electrocorticographic (ECoG) technique.1 In their study, Crone et al. monitored the regional distribution of high gamma electrocortical activity (in the 80–100 Hz range) during the …
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,007 | 0,017 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,030 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».