Notice bibliographique
Résumé
When Victoria was young specialists had not been invented — the Family Doctor did you all over. You did not have a special doctor for each part. Dr. Helmcken attended to all our ailments — Father's gout, our stomach-aches; he even told us what to do once when the cat had fits. If he was wanted in a hurry he got there in no time and did not wait for you to become sicker so that he could make a bigger cure. You began to get better the moment you heard Dr. Helmcken coming up the stairs. He did have the most horrible medicines — castor oil, Gregory's powder, blue pills, black draughts, sulphur and treacle. Jokey people called him Dr. Heal-my-skin. He had been Doctor in the old Fort and knew everybody in Victoria. He was very thin, very active, very cheery. He had an old brown mare called Julia. When the Doctor came to see Mother we fed Julia at the gate with clover. The Doctor loved old Julia. One stormy night he was sent for because Mother was very ill. He came very quickly and Mother said, “I am sorry to bring you and Julia out on such a night, Doctor.” “Julia is in her stable. What was the good of two of us getting wet?” he replied. From Emily Carr, “Doctor and Dentist,” in The Book of Small, Clarke, Irwin & Company, 1942.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».