MétaCan
Menu
Retour à la cohorte
Enregistrement W2057976217 · doi:10.7202/038801ar

Analyse des images scientifiques par le concept d’observation

2010· article· fr· W2057976217 sur OpenAlexvenueno aff
Vincent Israël-Jost

Notice bibliographique

RevueProtée · 2010
Typearticle
Languefr
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhilosophy

Résumé

récupéré en direct d'OpenAlex

Une partie importante des images scientifiques sont produites dans le but d’observer des entités ou des phénomènes, c’est-à-dire d’obtenir à leur sujet une connaissance sûre, acquise par des moyens aussi directs que possible. Ce rôle des images et des instruments qui les produisent a été évalué par les philosophes, en particulier depuis le début des années 1980, pour tenter de comprendre si l’emploi du terme « observer » est justifié dans le cas où une chaîne complexe d’instrumentation est mise en place pour produire des images. Dans ce cas, en effet, on peut craindre une contamination des images à la fois par des artefacts, en cas de défaut du dispositif expérimental, et par les théories sur lesquelles repose ce même dispositif. Sans se prononcer sur la validité des instruments pour l’observation dans le présent travail, nous décrivons en quoi les analyses philosophiques relatives à cette question sont insuffisantes pour rendre compte de l’utilisation réelle qui est faite des images par les scientifiques. Nous tirons deux éléments importants de cette analyse : d’une part, la nécessité de considérer une image à la lumière d’un contexte scientifique spécifique qui donne l’objectif de la démarche expérimentale et précise ce que l’on tente d’observer et, d’autre part, le fait que des phénomènes de la plus grande variété peuvent être représentés sur une image. Ce deuxième aspect s’oppose à l’idée très généralement partagée par les philosophes que seules les propriétés spatiales des entités pourraient être explorées par l’image. Pour importants que soient ces aspects de forme, d’échelle et de localisation, il faut les compléter d’abord par la possibilité d’explorer des propriétés physiques détectables, telles que la luminosité, la radioactivité, etc., et ensuite, en introduisant la notion de propriétés de haut niveau, propres à chaque domaine des sciences. Nous ouvrons ainsi la question de savoir si l’on peut observer des phénomènes aussi divers que la perfusion cardiaque, la production d’énergie dans le noyau solaire, la région des émotions sur des images cérébrales de résonance magnétique fonctionnelle, etc.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,022
Communication savante0,0120,015
Science ouverte0,0010,003
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,228
Tête enseignante GPT0,326
Écart entre enseignants0,098 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProtéeMême sujetCultural Insights and Digital ImpactsTravaux en français237 207