MétaCan
Menu
Retour à la cohorte
Enregistrement W2506236687 · doi:10.1017/cbo9780511546471.003

SOME BACKGROUND ON STABILITY THEORY

2007· book-chapter· en· W2506236687 sur OpenAlexaff
Deirdre Haskell, Ehud Hrushovski, Dugald Macpherson

Notice bibliographique

RevueCambridge University Press eBooks · 2007
Typebook-chapter
Langueen
DomaineMathematics
ThématiqueAdvanced Topology and Set Theory
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésStability (learning theory)Computer scienceMachine learning

Résumé

récupéré en direct d'OpenAlex

We give here a brief preview of stability theory, as it underpins stable domination. We also introduce some of the model-theoretic notation used later. Familiarity with the basic notions of logic (languages, formulas, structures, theories, types, compactness) is assumed, but we explain the model theoretic notions beginning with saturation, algebraic closure, imaginaries. We have in mind a reader who is familiar with o-minimality or some model theory of valued fields, but has not worked with notions from stability. Sources include Shelah's Classification Theory as well as books by Baldwin, Buechler, Pillay and Poizat. There is also a broader introduction by Hart intended partly for non-model theorists, and an introduction to stability theory intended for a wider audience in. Most of the stability theoretic results below should be attributed to Shelah. Our treatment will mostly follow Pillay. Stability theory is a large body of abstract model theory developed in the 1970s and 1980s by Shelah and others, but having its roots in Morley's 1965 Categoricity Theorem: if a complete theory in a countable language is categorical in some uncountable power, then it is categorical in all uncountable powers. Shelah formulated a radical generalization of Morley's theorem, weakening the categoricity assumption from one isomorphism type to any number less than the set-theoretic maximum. The conclusion is that all models of the theory, in any power, are classifiable by a small tree of numerical dimensions.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,003
Communication savante0,0030,007
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0380,013

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 Opus0,092
Tête enseignante GPT0,280
Écart entre enseignants0,188 · 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'étudeThéorique ou conceptuel
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetAdvanced Topology and Set TheoryTravaux en français237 207