MétaCan
Menu
Retour à la cohorte
Enregistrement W2137154666 · doi:10.1017/s0960129512000084

Preface to special issue: Developments In Computational Models 2010

2013· article· en· W2137154666 sur OpenAlexaff
S. Barry Cooper, Elham Kashefi, Prakash Panangaden

Notice bibliographique

RevueMathematical Structures in Computer Science · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueBayesian Modeling and Causal Inference
Établissements canadiensMcGill University
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésTheme (computing)Scope (computer science)Computer scienceFocus (optics)ComputationNexus (standard)RubricData scienceEngineering ethicsMathematicsMathematics educationAlgorithmProgramming languageEngineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The scope of computation has expanded dramatically beyond the rubric of discrete, deterministic sequential computation under which it has been studied for many decades. That focus, of course, led to a great deal of deep and beautiful theory, but our focus in this special issue of Mathematical Structures in Computer Science is on new directions that have emerged from the study of computational phenomena in other settings, and thus on a celebration of the diversity of ideas, methods, new applications and novel sources of inspiration that have marked the modern era. The papers in this issue come from sources extending far beyond the core of computer science, yet using many of the central ideas that have evolved within computer science and mathematics. The nexus of all this activity has been, on the one hand, the boundary between logic and computation, and, on the other hand, the natural sciences, particularly physics and biology. The papers in this collection are expanded versions of selected papers from the DCM 2010 workshop, which was held in Edinburgh in July 2010. The theme of the workshop was Causality, Computation and Physics.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,365

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,001
Communication savante0,0090,006
Science ouverte0,0020,002
Intégrité de la recherche0,0040,010
Charge utile insuffisante (le modèle a refusé de juger)0,1090,056

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 Opus0,027
Tête enseignante GPT0,274
Écart entre enseignants0,248 · 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
GenreÉditorial

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Structures in Computer ScienceMême sujetBayesian Modeling and Causal InferenceTravaux en français237 207