Los retos de la recomendación de contenido audiovisual
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
En este artículo, utilizamos el concepto de recomendación con el fin de analizar los diferentes sistemas y dispositivos destinados a guiar al usuario en Internet hacia un contenido específico, en un contexto de superabundante y profusa oferta. Metodológicamente, para el análisis se distinguen cuatro tipos de recomendación: por una parte, las recomendaciones de carácter editorial y contributivas, basadas respectivamente en los juicios y opiniones de expertos y usuarios, y por otro lado, las realizadas mediante agregación y personalización. Estas últimas, basadas en el comportamiento en línea de los usuarios, son cada vez más relevantes. Con la recomendación algorítmica, las preferencias de los usuarios, presuntas, declaradas u observadas constituyen el fundamento de la recomendación predictiva en los dispositivos desarrollados por diferentes operadores de medios de comunicación tradicionales. Este paso representa el final de un proceso continuado de desintermediación e individualización. Sin embargo, a pesar de su eficacia, esta forma de recomendación plantea una serie de cuestiones. Más allá del riesgo de quedar confinado en la burbuja de los filtros, el mayor problema parece estar relacionado con el poder oligopólico que ejercen algunas empresas sobre el control de los datos del comportamiento del consumidor.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle