MétaCan
Menu
Retour à la cohorte
Enregistrement W2203056282 · doi:10.15200/winn.144060.05806

I am here to talk about the science behind visualization. I am Prof. Tamara Munzner from the University of British Columbia. Ask Me Anything!

2015· dataset· en· W2203056282 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueThe Winnower · 2015
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVisualizationWorld Wide WebComputer scienceReading (process)GraphicsLibrary scienceComputer graphics (images)LawArtificial intelligencePolitical science

Résumé

récupéré en direct d'OpenAlex

Hello world! Tamara Munzner here. I’ve been doing computer-based visualization for almost 25 years, starting as technical staff at the NSF-funded Geometry Center, continuing as a grad student in the Stanford graphics group with Pat Hanrahan, and then as a professor at UBC since 2002. I have worked in a broad range of application domains including genomics, evolutionary biology, fisheries management, energy and sustainability, geometric topology, large-scale system administration, web log analysis, computer networking, computational linguistics, data mining, and journalism. Yet more details on my web site in general or my bio page in particular. Let’s talk about the science behind visualization! I’m particularly excited to talk about the ideas covered my book, Visualization Analysis and Design. Since it’s done at long last. Or any of the visualization research papers, videos, or software at on my lab web site. Or anything about the visual representation of data, broadly construed. And hey, it’s an AMA, so anything else is fair game too. Including books, especially science fiction and fantasy, since reading too much is a vice of mine. As you can see from my reading lists: books read in reverse chronological order and books read ordered by author, with commentary. Proof: https://twitter.com/tamaramunzner/status/636466649541902336 Update 1: forgot to say that the official start time for me answering is noon Pacific time which is 3pm Eastern. That’s soon! Update 2: Answers have started. Typety-type-type. Update 3: 3pm Pacific, taking the teeniest of breaks for a snack and cup of tea. Must hold body and soul and neurons together. I’ll be back! Update 4: 3:15pm Pacific, back to the keyboard. A runny Brie on rosemary bread toast and an acceptable Cream Early Grey have saved the day. Might need to move on to the big guns of Lapsang Suchong or a hefty Assam soon if the questions continue at this rate! Update 5: 6:30pm Pacific. Not dead yet - still answering! Although admittedly my posting rate slowing down, despite my fresh cup of Halmari Assam… Update 6: 10pm Pacific. Declaring victory, or at least throwing in the towel. I’ve completely run out of time, I’ve mostly run out of neurons, and I think dinner sounds like a fine idea right about now. Wow, this has been an amazingly fun day! Many thanks to everybody below for your thoughtful questions, and also thanks to @frostickle in particular for both talking me into this and for shepherding me through it.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0030,002
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,271
Écart entre enseignants0,256 · 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