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.
Notice bibliographique
Résumé
Introduction, Gavin E. Oxburgh, Trond Myklebust, Allison Redlich and Dave Walsh 1. Indonesia, R. Dian Dia-an Muniroh and E. Aminudin Aziz 2. Iran, Hossein Raeesi, Mahnaz Parakand, Kamiar Alaei and Nakissa Jahanbani 3. Israel, Carmit Katz 4. Japan, Makiko Naka 5. South Korea, Misun Yi, Eunkyung Jo and Michael E. Lamb 6. Australia, Jane Tudor-Owen and Adrian J. Scott 7. New Zealand, Nina J. Westera, Rachel Zajac and Deirdre A. Brown 8. Belgium, Michel Carmans and Pierre Patiny 9. England and Wales, Genevieve Waterhouse, Anne Ridley, Rachel Wilcock and Ray Bull 10. Estonia, Kristjan Kask 11. France, Samuel Demarchi, Anais Taddei, Laurent Fanton, Herve Fabrizi and Stefania Tamasan 12. Germany, Renate Volbert and Bianca Baker 13. Italy, Angelo Zappala and Francesco Pompedda 14. The Netherlands, Imke Rispens and Jannie van der Sleen 15. Portugal, Carlos Eduardo Peixoto, Catarina Ribeiro, Raquel Veludo Fernandes and Telma Sousa Almeida 16. Scotland, Annabelle Nicol, David La Rooy and Stuart Houston 17. Scandinavia, Kristina Kepinska Jakobsen, Ivar A. Fahsing and Emma Roos af Hjelmsater 18. Slovenia, Tinkara Pavsic Mrevlje, Igor Areh and Sabina Zgaga 19. Switzerland, J. Courvoisier, A. Schaller and M. Cyr 20. Canada, Sonja P. Brubacher, Nicholas C. Bala, Kim Roberts and Heather Price 21. Chile, C. Navaro, D. Mettidofo and F. Garcia 22. Brazil, Lilian Milnitsky Stein, Gustavo Noronha de Avila and Luis Roberto Benia 23. USA, Kyndra C. Cleveland, Jodi A. Quas and Stephanie Denzel Conclusion, Gavin E. Oxburgh, Trond Myklebust, Allison Redlich and Dave Walsh.
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 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 | 0,000 | 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) | 0,000 | 0,001 |
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.
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 découle