MétaCan
Menu
Retour à la cohorte
Enregistrement W2020259111 · doi:10.1186/2044-5040-2-1

Skeletal Muscle - one year on

2012· article· en· W2020259111 sur OpenAlexaff
David J. Glass, Kevin P. Campbell, Michael A. Rudnicki

Notice bibliographique

RevueSkeletal Muscle · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics and Physical Performance
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSkeletal muscleBiologyAnatomy

Résumé

récupéré en direct d'OpenAlex

The beginning of 2012 marks the first anniversary of Skeletal Muscle [1], and an occasion to thank the scientific community for your support of this new journal. In its first year, the journal had excellent support, publishing 20 original articles and 16 reviews. We are quite grateful to the expert reviewers who gave their time to increase the quality of these papers - and are proud that all of the submissions received reviews from truly the top experts in our field, almost in every case members of our Editorial Board. In addition, in August, Skeletal Muscle began to be indexed by PubMed [2], increasing the visibility and providing the last step in the birth of the journal. Going forward in 2012 we do hope you will submit your findings to the journal. As you can imagine, Impact Factor is only achieved by first adopters who are willing to support the journal early, before a factor is established. Further, your letters to the journal and citation of journal articles will also help to increase Skeletal Muscle's visibility, which will then in turn improve its Impact Factor - which will help every author who publishes in the journal. The bottom line is that this is truly a group endeavour; Skeletal Muscle is here for the scientist interested in this dynamic tissue. Like its namesake, it can only gather strength with use and exercise - perhaps you can start by including us in your New Year's Resolution for 2012... to help grow the journal by your support. Thanks and best of luck with your research and education this year!

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,665

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0080,004
Science ouverte0,0020,006
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,1990,147

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 Opus0,012
Tête enseignante GPT0,239
Écart entre enseignants0,227 · 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
GenreCommentaire

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

En bref

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSkeletal MuscleMême sujetGenetics and Physical PerformanceTravaux en français237 207