MétaCan
Menu
Retour à la cohorte
Enregistrement W2741275203 · doi:10.1055/s-0036-1590547

Cluster Preface: Catalytic Aerobic Oxidations

2017· article· en· W2741275203 sur OpenAlexaboutno aff
Shannon S. Stahl, Tomislav Rovis

Notice bibliographique

RevueSynlett · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Catalyzed Oxygenation Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChemistryLibrary scienceClassicsHistory

Résumé

récupéré en direct d'OpenAlex

Shannon S. Stahl was an undergraduate at the University of Illinois at Urbana-Champaign, and a graduate student at Caltech (PhD, 1997), where he worked with Professor John Bercaw. He was an NSF postdoctoral fellow with Professor Stephen Lippard at Massachusetts Institute of Technology from 1997–1999. He is currently a Professor of Chemistry at the University of Wisconsin–Madison, where he began his independent career in 1999. His research group specializes in catalysis, with an emphasis on aerobic oxidation reactions and oxygen chemistry related to energy conversion. Tomislav Rovis was born in Zagreb in former Yugoslavia but was largely raised in southern Ontario, Canada. He earned his PhD degree at the University of Toronto (Canada) in 1998 under the direction of Professor Mark Lautens. From 1998–2000, he was an NSERC Postdoctoral Fellow at Harvard University (USA) with Professor David A. Evans. In 2000, he began his independent career at Colorado State University and was promoted in 2005 to Associate Professor and in 2008 to Professor. His group’s accomplishments have been recognized by a number of awards including an Arthur C. Cope Scholar, an NSF CAREER Award, a Fellow of the American Association for the Advancement of Science and a ­Katritzky Young Investigator in Heterocyclic Chemistry. In 2016, he moved to Columbia University where he is currently Professor of Chemistry.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,329

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0980,047

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 Opus0,023
Tête enseignante GPT0,274
Écart entre enseignants0,251 · 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
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSynlettMême sujetMetal-Catalyzed Oxygenation MechanismsTravaux en français237 207