MétaCan
Menu
← Retour à la cohorte
Enregistrement W2512689198

Going Global - Expanding Capacity to Analyse Time Use Data.

2011· article· en· W2512689198 sur OpenAlexaboutno aff
Kimberly Fisher

Notice bibliographique

RevuePubMed · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaTanzaniaGeographyPolitical scienceMiddle EastSocioeconomicsEconomic growthSociologyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

From its first incarnation as the Working Group on Time Budgets and Social Activities at the International Sociological Association meeting in Varna, Bulgaria in September 1970, the International Association for Time Use Research has had global interests and attracted a global audience. Two of the first twenty conferences took place in Mexico City (Mexico 1982) and Delhi (India 1986). Early IATUR members hailed from Brazil, Colombia, the Dominican Republic, Egypt, Kuwait, India, Mexico, Nigeria, Sri Lanka, South Africa, Tanzania, Thailand, Turkey and Venezuela. Nevertheless, until very recently, most time use surveys were collected in the more developed Northern Hemisphere countries (Fisher et. al. 2011). The overwhelming majority or time-relevant publications and papers presented at academic conferences have concentrated on daily activity patterns in Australia, Canada, the USA, European countries, and the more developed North-East Asian countries. While IATUR Regional Council Members have tended to live and work in the regions they represent, until 1992, the Council Member for Africa was based in Europe or North America. Prior to the election of co-Vice-Presidents Lara Gama de Albuquerque Cavalcanti from Brazil and An Xinli () from China in 2011, no member of the IATUR core executive came from the global south.

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)0,039
score de la tête « metaresearch » (Gemma)0,090
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,207

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,090
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0220,032
Études des sciences et des technologies0,0010,001
Communication savante0,0060,011
Science ouverte0,0030,012
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0360,023

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 Opus0,204
Tête enseignante GPT0,317
Écart entre enseignants0,112 · 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
GenreEmpirique

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetUrban Transport and Accessibility→Travaux en français237 207→