Notice bibliographique
Résumé
Introduction Amongst the Hungarian mathematicians, Jansci von Neumann stood out. From a young age, there were stories of strange abilities: dividing two eight-digit numbers in his head at six; proficient in calculus at eight; reading Borel's Théorie des Fonctions at twelve. Stories abound about a photographic memory and an ability to apparently recall complete novels and pages of the telephone directory. He also accumulated an encyclopaedic knowledge of history, in time being able to recall the most minute details of the Peloponnesian Wars, the trial of Joan of Arc, and Byzantine history. Many years later in the U.S., when travelling south from Princeton, New Jersey, to Duke University, North Carolina, he astounded his fellow travellers, including mathematicians Albert Tucker and Stan Ulam, with his recollection of the most precise details of Civil War battles fought at sites along the route. Although Max von Neumann would have preferred his son to become a well-paid financier rather than a mathematician, he was open to the encouragements of Fejér and Ortvay and finally acquiesced, letting von Neumann pursue his interests and financing his studies abroad. Von Neumann, in return, became the shining, often absent, star of the Fejér circle in Budapest. As a Gymnasium student, he caught the attention of Laszló Rátz and was tutored in university-level mathematics by Mikhail Fekete. By the time he enrolled at the University of Budapest in 1921, he had already written a paper with Fekete and, according to Ulam, was essentially recognized as a mathematician.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,210 | 0,091 |
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 ».