MétaCan
Menu
Retour à la cohorte
Enregistrement W2061121125 · doi:10.1002/meet.2009.1450460157

Image indexing and retrieval: Current projects and a comprehensive research agenda for the future

2009· article· en· W2061121125 sur OpenAlexaff
Corinne Jörgensen, Joan E. Beaudoin, Élaine Ménard, Diane Rasmussen Pennington, Besiki Stvilia

Notice bibliographique

RevueProceedings of the American Society for Information Science and Technology · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Retrieval and Classification Techniques
Établissements canadiensWestern UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésSearch engine indexingRelevance (law)Computer scienceData scienceInformation retrievalPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract This panel focuses on the major research questions needing further exploration in the areas of image organization, retrieval, and use. The panel will first have short presentations on several ongoing image research projects and presenters will briefly comment on their current research, new tools and approaches to image indexing, and the broader research areas they address. The panel will then move into an interactive mode and the moderator will present a brief outline of a broad‐based image research agenda for panel/audience dialogue, through which the agenda will be expanded and refined. In particular, current research in image indexing and retrieval focuses on the conference topic of “Thriving on Diversity – Information Opportunities in a Pluralistic World” as many newer tools (e.g., geotagging) and many new voices are joining in the image description process. The brief presentations relate to topics now appearing in the image indexing literature: information and knowledge behavior in diverse contexts, social networking in a linguistically and culturally rich environment, and challenges of harmony versus hegemony, as well as quality and relevance to particular audiences.

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)0,061
score de la tête « metaresearch » (Gemma)0,026
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0080,010
Études des sciences et des technologies0,0060,012
Communication savante0,0280,058
Science ouverte0,0050,012
Intégrité de la recherche0,0170,010
Charge utile insuffisante (le modèle a refusé de juger)0,0170,005

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 Opus0,044
Tête enseignante GPT0,353
Écart entre enseignants0,308 · 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
GenreSynthèse

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

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the American Society for Information Science and TechnologyMême sujetImage Retrieval and Classification TechniquesTravaux en français237 207