MétaCan
Menu
Retour à la cohorte
Enregistrement W2111456447 · doi:10.1109/dexa.2002.1045894

Defining basic units for knowledge interchange

2004· article· en· W2111456447 sur OpenAlexaff
Tang-Ho Lê, Luc Lamontagne

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSemantic Web and Ontologies
Établissements canadiensUniversité de MontréalUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésComputer scienceDomain knowledgeOpen Knowledge Base ConnectivityScope (computer science)Knowledge managementConstruct (python library)OntologyDomain (mathematical analysis)Context (archaeology)Knowledge engineeringKnowledge integrationProcedural knowledgeKnowledge extractionKnowledge-based systemsKnowledge value chainPersonal knowledge managementOrganizational learningArtificial intelligenceProgramming language

Résumé

récupéré en direct d'OpenAlex

In this paper, we present a software tool allowing for knowledge interchange between people. With this tool, domain knowledge is represented as a number of knowledge networks, each of them consisting of several knowledge units and links. At its core, knowledge units are modeled as semi-structured entities to favor their understanding by the users. Moreover, the tool can convey various resources (e.g. multimedia files) which are necessary for the understanding of procedural knowledge. We argue afterwards that the tool can support the creation of new knowledge and can help to construct a new domain ontology. We then give some practical reasons which have led us to define an appropriate scope for the basic units involved in the interchange of knowledge. In the context of permanent knowledge evolution, we explain how structured knowledge units (instead of individual keywords) as used. Finally, we report on some experimentation using this tool carried out by our team as part of an educational project.

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)0,007
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,010
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,005
Études des sciences et des technologies0,0040,008
Communication savante0,0100,019
Science ouverte0,0030,007
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,292
Écart entre enseignants0,222 · 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'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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSemantic Web and OntologiesTravaux en français237 207