MétaCan
Menu
Retour à la cohorte
Enregistrement W2737622906 · doi:10.15200/winn.150038.82260

Science AMA Series: I’m Dr. Adrian Owen, a neuroscientist whose research focuses on brain imaging, cognitive function and consciousness. We’re finding new ways to decode the complex workings of the brain. AMA.

2017· dataset· en· W2737622906 sur OpenAlexaboutno aff
ProfAdrianOwen, r Science

Notice bibliographique

RevueThe Winnower · 2017
Typedataset
Langueen
DomainePsychology
ThématiqueParanormal Experiences and Beliefs
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConsciousnessPsychologyBrain functionCognitionCognitive scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

I’m Dr. Adrian Owen, a professor of neuroscience, here to answer your questions about our breakthroughs in brain science. I’ve been fascinated with the human brain for more than 25 years: how it works, why it works, what happens when it doesn’t work so well. At the Owen Lab at Western University in Canada, my team studies human cognition using brain imaging, sleep labs, EEGs and functional MRIs. We’ve learned that one in five people in a vegetative state are actually conscious and aware (I recently wrote a book on it – www.intothegrayzone.com, if you’re interested). We’ve also examined whether brain-training games actually make you smarter (pro tip: they don’t). Now my team is working on a cool new project to understand what happens to specific parts of people’s brains when they get too little sleep. We’re testing tens of thousands of people around the world to learn why we need sleep, how much we need, and the long- and short-term effects sleep loss has on our brains. A lot of scientists and influencers, such as Arianna Huffington and her company Thrive Global, have already raised awareness about the dangers of sleep loss and the need for research like this. Since we can’t bring everyone to our labs, we’re bringing the lab to people’s homes through online tests we’ve designed at www.worldslargestsleepstudy.com or www.cambridgebrainsciences.com. We hope to be able to share our findings in science journals in about six months. So … if you want to know about sleep-testing, brain-game training or how we communicate with people in the gray zone between life and death … AMA! I will be here at 1:00pm EDT (10:00am PDT / 5:00pm UTC), with researchers from my lab, Western University and the folks who host the www.worldslargestsleepstudy.com platform—ask me anything! Update: We’re here now! Ask us anything! Proof that I am real: http://imgur.com/a/NvPMK Update 2: I appreciate all the questions! I tried my best to answer as many as I could. This was really fun. See you next time. Now, time for some pineapple pizza! http://imgur.com/a/Yy88r

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,507

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,005
Science ouverte0,0010,002
Intégrité de la recherche0,0040,010
Charge utile insuffisante (le modèle a refusé de juger)0,1520,089

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 Opus0,140
Tête enseignante GPT0,429
Écart entre enseignants0,289 · 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
GenreJeu de données

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe WinnowerMême sujetParanormal Experiences and BeliefsTravaux en français237 207