MétaCan
Menu
Retour à la cohorte
Enregistrement W2244857878 · doi:10.1017/cbo9780511616648.010

Intelligence: What Is Indigenous to India and What Is Shared?

2004· book-chapter· en· W2244857878 sur OpenAlexaff
Bibhu D. Baral, J. P. Das

Notice bibliographique

RevueCambridge University Press eBooks · 2004
Typebook-chapter
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSorrowSelf-knowledgeTraditional knowledgePsychologyIndigenousEpistemologySociologyPsychoanalysisSocial psychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The story is told of a discourse on mind, self, and intelligence that occurs in one of the seminal books of traditional knowledge, the Upanishad (Radhakrishnan, 1953). There is a learned man, Narada, who commutes between the land of gods and humans – he is dissatisfied in spite of his knowledge of books, which he teaches to humans; he wishes to know the nature of the self. He seeks out a wise man who is innocent of scriptural and book knowledge but is virtuous and practices love for all; this man is truly innocent like a five-year-old child. But he knows about the self. Narada asks him for lessons on self-knowledge, because he has heard that those who have such knowledge live beyond sorrow, and Narada says he is sad because he cannot cross over to the other side of sorrow! The wise man tells Narada to describe what knowledge he has already acquired, and then they can discuss how to go beyond it. NAME, SPEECH, AND MIND Narada's knowledge is vast – he knows the scriptures, mathematics and astronomy, medicine, warfare and weapons, the science of natural disasters, serpents, and the fine arts of dance and music. The boy-like wise man remarks that is good, you know the Name (declarative and procedural knowledge?), and as far as nomenclature goes, you should pursue it and be happy.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0070,009
Communication savante0,0070,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,035
Tête enseignante GPT0,240
Écart entre enseignants0,204 · 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

Citations11
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207