Repurposing emergence theories: An interview with Andrew Pelling
Notice bibliographique
Résumé
Andrew Pelling is a Canadian experimental scientist who uses low-cost, open source materials to create the medical technology of the future. He runs an interdisciplinary, curiosity-driven lab at the University of Ottawa ( pellinglab.net ), where he researches non-genetic ways to create artificial tissues and organs. Much of his experimental work has led to new insights in cancer pathology, muscle degeneration and stem-cell development. He has a cross-appointment in the departments of Physics and Biology and the Institute for Science, Society and Policy at the University, has held a Canada Research Chair since 2008 and was elected a member of the Global Young Academy in 2013. He is an honorary research fellow at SymbioticA, Center of excellence for biological arts. Dr Pelling has also recently started a company to sell and distribute low-cost kits for key scientific equipment that lets anyone create biomaterials for regenerative medicine. His latest achievements and hard work have earned him a place in the TED2016 Fellows Class. We were interested to interview Andrew Pelling, whose experience within and beyond the life sciences could help us better navigate the complex and emerging realms of laboratory life.
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 | 0,017 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,037 |
| Communication savante | 0,010 | 0,026 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,035 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».