MétaCan
Menu
Retour à la cohorte
Enregistrement W2151782034 · doi:10.2196/medinform.4226

Metadata Correction: Making Big Data Useful for Health Care: A Summary of the Inaugural MIT Critical Data Conference

2015· erratum· en· W2151782034 sur OpenAlexvenueno aff
Omar Badawi, Thomas P. Brennan, Leo Anthony Celi, Mengling Feng, Marzyeh Ghassemi, Andrea Ippolito, Alistair E. W. Johnson, Roger G. Mark, Louis Mayaud, G.B. Moody, Christopher Moses, Tristan Naumann, Vipan Nikore, Marco A. F. Pimentel, Tom Pollard, Mauro César de Oliveira Santos, David J. Stone, Andrew J. Zimolzak

Notice bibliographique

RevueJMIR Medical Informatics · 2015
Typeerratum
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeorge (robot)Library scienceArt historyArtComputer science

Résumé

récupéré en direct d'OpenAlex

Omar Badawi, PharmD, MPH; Thomas Brennan, PhD; Leo Anthony Celi, MD, MPH, MS; Mengling Feng, PhD; Marzyeh Ghassemi, MS; Andrea Ippolito, MS, MEng; Alistair Johnson; Roger G Mark, MD, PhD; Louis Mayaud, PhD; George Moody; Christopher Moses; Tristan Naumann, MS; Vipan Nikore, MD, MBA; Marco Pimentel, MS; Tom J Pollard; Mauro Santos; David J Stone, MD; Andrew Zimolzak, MD, MS; MIT Critical Data Conference 2014 Organizing Committee

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,028
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Science ouverte, Intégrité de la recherche
Catégories consensuellesScience ouverte, Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0090,009
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,456
Tête enseignante GPT0,552
Écart entre enseignants0,096 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetArtificial Intelligence in HealthcareTravaux en français237 207