MétaCan
Menu
Retour à la cohorte
Enregistrement W2156434134 · doi:10.4018/jcini.2007040101

On Laws of Work Organization in Human Cooperation

2007· article· en· W2156434134 sur OpenAlexaff
Yingxu Wang

Notice bibliographique

RevueInternational Journal of Cognitive Informatics and Natural Intelligence · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Computing and Networks
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceExtension (predicate logic)Relation (database)Spatial relationOrientation (vector space)DeixisPerspective (graphical)Connection (principal bundle)Object (grammar)Predicate (mathematical logic)Representation (politics)Object-orientationCardinal directionArtificial intelligenceMathematicsLawObject-oriented programmingLinguisticsGeometryData mining

Résumé

récupéré en direct d'OpenAlex

From the perspective of cognitive informatics (CI), this paper proposes internal relations between distance and orientation knowledge of extended objects, and presents a formal representation of spatial knowledge. The connection relation is taken as primitive. Notions of near extension regions and the nearer predicate are developed. Distance relations between extended objects are understood as degrees of the near extension from one object to the other. Orientation relations are understood as distance comparison from one object to the sides of the other object. Therefore, distance and orientation relations can be internally related through the connection relation. The notion of the fiat projection is presented to model the mental formation of the deictic orientation reference framework. This article introduces a new axiom to govern the connection relation in the literature and presents examples to show diagrammatically the internal relations between distance and orientation relations of extended objects.

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)0,008
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 enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,015
Communication savante0,0050,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,012
Tête enseignante GPT0,293
Écart entre enseignants0,281 · 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

Citations22
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Cognitive Informatics and Natural IntelligenceMême sujetCognitive Computing and NetworksTravaux en français237 207