Seeing Jesus in a piece of toast and other scientific discoveries win Ig Nobel awards
Notice bibliographique
Résumé
“Have you seen Jesus’ face in a piece of toast? Elvis in a tortilla? Your Uncle Bob in the clouds? It’s perfectly normal if you see non-existent objects,” said Kang Lee of the University of Toronto, accepting his Ig Nobel award for neuroscience on 18 September at Harvard University in Cambridge, Massachusetts. Lee and colleagues from China and Canada were among the 10 winners of Ig Nobel awards announced at the 24th annual ceremony and handed out by winners of the proper Nobel prizes. The theme this year was “Food.” The awards are organized by the lighthearted journal Annals of Improbable Research and its editor, Marc Abraham. The prizes reward studies that “first make people laugh and then make them think.” The awards were a plastic tray with utensils such as those in an airplane meal, a document signed by real Nobel laureates, and a monetary prize—a 10 trillion dollar Zimbabwean note. The celebration this year included a mini-opera, “What’s Eating You,” modeled on Don Giovanni; two blizzards of paper airplanes; an 8 year old girl who loudly interrupted participants who spoke longer than one minute; and lectures by experts who explained their subjects first in 24 seconds and then in seven words. Lee told The BMJ that he and colleagues often encountered people who said they saw Jesus’s face on a piece of toast and wondered whether the people were deluded or whether there …
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,038 |
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 ».