MétaCan
Menu
Retour à la cohorte
Enregistrement W2592042721 · doi:10.1016/j.visres.2017.01.006

Vision science and adaptive optics, the state of the field

2017· review· en· W2592042721 sur OpenAlexafffund
Susana Marcos, John S. Werner, Stephen A. Burns, William H. Merigan, Pablo Artal, David A. Atchison, Karen M. Hampson, Richard Legras, Linda Lundström, Geunyoung Yoon, Joseph Carroll, Stacey S. Choi, Nathan Doble, Adam M. Dubis, Alfredo Dubra, Ann E. Elsner, Ravi S. Jonnal, Donald T. Miller, Michel Pâques, Hannah E. Smithson, Laura K. Young, Yuhua Zhang, Melanie C. W. Campbell, Jennifer J. Hunter, Andrew Metha, Grażyna Palczewska, Jesse Schallek, Lawrence C. Sincich

Notice bibliographique

RevueVision Research · 2017
Typereview
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Eye InstituteNational Institute on AgingSecretaría de Estado de Investigación, Desarrollo e InnovaciónComisión Sectorial de Investigación CientíficaAustralian Research CouncilVISTAKON PharmaceuticalsSeventh Framework ProgrammeEuropean Research CouncilLabexUniversity of MelbourneTelemedicine and Advanced Technology Research CenterFoundation Fighting BlindnessUniversity of OxfordNational Institutes of HealthCollege of OptometristsBausch and LombResearch to Prevent BlindnessBurroughs Wellcome FundEmpire State Development's Division of Science, Technology and InnovationAgence Nationale de la RechercheWellcome TrustNatural Sciences and Engineering Research Council of CanadaUniversity of RochesterVetenskapsrådetJohn Fell Fund, University of OxfordGlaucoma Research FoundationEyeSight Foundation of AlabamaEngineering and Physical Sciences Research CouncilInstitut National de la Santé et de la Recherche MédicaleEuropean CommissionCooperVisionU.S. Department of DefenseFight for SightCanadian Institutes of Health ResearchNational Science Foundation
Mots-clésAdaptive opticsVision scienceComputer scienceField (mathematics)OpticsAdaptation (eye)PhysicsArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,450
Tête enseignante GPT0,587
Écart entre enseignants0,137 · 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
GenreSynthèse

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

En bref

Citations146
Publié2017
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueVision ResearchMême sujetVisual perception and processing mechanismsTravaux en français237 207