Notice bibliographique
Résumé
I am standing by the cheese cabinet in our local supermarket. (This is poetic licence, you understand. I am actually sitting at my PC, but my recent supermarket experience is so vivid that I have no difficulty reliving it.) I am in a state of high anxiety. In front of me are uncountable types of cheese. There is Canadian, Irish, Welsh, New Zealand and English. There is mild, mature, extra-mature, vintage and farmhouse. There is low fat, full fat—presumably ‘high fat’ would be a marketing disaster—and vegetarian. There are special cheeses in expensive waxy paper, or in the kind of customized black rind you see in Dutch markets. There is also ‘value’ cheese with a naff logo that allows you to proclaim your penury or your meanness. These are the varieties of Cheddar alone. Faced with such an obscene superfluity of Cheddars, how can I be certain of selecting the best value, the best taste, or exactly the one my wife will like? Being of a moderately obsessional turn of mind, I try to contain my anxiety by doing a mathematical calculation of how many different options there must be here: nationality times maturity, maturity times fat content, fat content times price band, and so on. The arithmetic soon falters. Firstly, it is clear that the grid may have gaps in it (the Welsh seem to make mature vegetarian Cheddar, but the Irish do not). I also start to have serious doubts as to whether I fully understand the taxonomy of Cheddar: is there such a thing as a mild farmhouse or an extra-mature non-vintage? I even begin to wonder if I shall need to invoke Venn diagrams or algorithms to sort the problem out.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,004 |
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 ».