MétaCan
Menu
← Retour à la cohorte
Enregistrement W2468401059 · doi:10.14288/1.0076653

Demographic Context, Policy and Practice Agendas, Research Opportunities

2012· article· en· W2468401059 sur OpenAlexaboutno aff
Anne Martin-Matthews

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Political sciencePublic relationsSociologyPublic administrationGeography

Résumé

récupéré en direct d'OpenAlex

Webcast sponsored by Irving K. Barber Learning Centre, and hosted by Green College.This presentation will place the aging of Canada's population in an international context. It will consider implications of population aging for health services and systems (especially in relation to cognitive impairment, mobility in aging, and home care); and it will address the research opportunities of more longitudinal lenses and emerging scientific perspectives. Anne Martin-Matthews has recently completed two terms (2004-2011) as the Scientific Director of the Institute of Aging, one of 13 national Institutes of the Canadian Institutes of Health Research. Since coming to UBC in 1998, she has held positions as Associate Dean Research, Associate Dean Strategic Initiatives, and Dean pro tem in the Faculty of Arts. She has been a member of the Department of Sociology since 2008. Under her leadership, the CIHR Institute of Aging led the development of the Canadian Longitudinal Study on Aging (CLSA), a 20 year study of 50,000 Canadians aged 45-85. The CLSA was launched in 2009. The Institute of Aging has also developed strategic initiatives on Cognitive Impairment in Aging, on Mobility in Aging, and on Health Services and Systems for an Aging Population. The Institute is an associate member of the ERA-AGE2, and participated in FUTURAGE, leading to the development of a European Roadmap for Research on Aging. International partnerships were developed with China, Japan, France and with the UK.

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)0,020
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,356

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0100,009
Communication savante0,0150,012
Science ouverte0,0020,010
Intégrité de la recherche0,0090,009
Charge utile insuffisante (le modèle a refusé de juger)0,0410,004

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 Opus0,135
Tête enseignante GPT0,351
Écart entre enseignants0,217 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)→Même sujetHealth disparities and outcomes→Travaux en français237 207→