MétaCan
Menu
Retour à la cohorte
Enregistrement W2134460830 · doi:10.56748/ejse.330

Computer Application to Study Engineering Projects at the Early Stages of Development

2003· article· en· W2134460830 sur OpenAlexaff
M. H. Gedig, S. F. Stiemer

Notice bibliographique

RevueElectronic Journal of Structural Engineering · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI-based Problem Solving and Planning
Établissements canadiensCoquitlam College
Organismes subventionnairesnon disponible
Mots-clésComputer scienceContext (archaeology)Logical conjunctionSoftware engineeringEngineering design processManagement scienceQualitative reasoningSystems engineeringEngineeringArtificial intelligenceProgramming language

Résumé

récupéré en direct d'OpenAlex

This paper describes a computer software application, the Qualitative Engineering System (QES), which the engineer can use to perform qualitative and semi-quantitative analysis of preliminary engineering designs. In engineering practice, many situations arise in which the engineer wishes to perform a logical, objective comparison between conceptual or preliminary design options. Although there exist many applications which can be used to perform detailed numerical analysis to justify detailed final designs, relatively fewuseful programs are available to validate designs at the preliminary stages. The early stages of design are characterized by higher levels of uncertainty than the latter stages. Established qualitative and semiquantitative reasoning techniques may be used to detail with uncertainty and incomplete information in a sound, logical manner. The QES application utilizes a unified framework, which is used to implement a number of qualitative and semi-quantitative reasoning techniques. This paper gives an explanation of qualitative and semi-quantitative analysis in the context of the QES application. In addition, the paper gives some practical examples of how the QES program can be used in the engineering environment

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,005
Tête enseignante GPT0,203
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElectronic Journal of Structural EngineeringMême sujetAI-based Problem Solving and PlanningTravaux en français237 207