Notice bibliographique
Résumé
Following two months of backpacking in Southeast Asia, I arrived in Nepal in August 2014 for a much anticipated three-week global health elective in emergency medicine. Before I finished my first day, however, my trip took an unexpected turn; I began to experience a serious medical problem and was forced to seek immediate treatment. I was suddenly transformed from an enthusiastic student to a reluctant patient in a country whose medical system is very different from that of my own. This unfortunate circumstance did, however, allow me to learn about Nepalese medicine in ways that I never would have been able to as a medical student, and the lessons that I learned will undoubtedly help me in my future career. Suite à deux mois de voyage en Asie du Sud-Est, je suis arrivé au Népal en août 2014 où j’ai fait un stage de trois semaines en médecine d’urgence. Suite à ma première journée de stage, j’ai dû me chercher un traitement médical pour un problème sérieux. J’ai été transformé d’étudiant enthousiaste en patient inquiet dans un pays où le système médical est très différent du mien. Mon expérience comme patient et étudiant en médecine au Népal m’a permis d’apprendre beaucoup au sujet de la médecine népalaise. Les leçons apprises dans ce pays étranger vont sans doute aider dans ma future carrière en tant que médecin.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».