Notice bibliographique
Résumé
Los datos coleccionados del mundo fisico, biologico o producto de la actividad humana usualmente estan altamente correlacionados entre ellos, estableciendose el cuestionamiento de si menos variables pueden contener casi la misma informacion. Una solucion cruda es mirar simplemente a la matriz de correlacion de Pearson y omitir uno de un par de variables altamente correlacionadas. En contraste con esto, nosotros desarrollamos un metodo sistematico de condicionar una o mas variables, y observar la resultante matriz de covarianzas. Si las variables tienen una pequena varianza despues de condicionar, entonces las variables condicionantes contienen la mayor parte de la informacion de todas variables originales. Paralelamente a los usuales tests aplicados en juzgar cuantos componentes principales son suficientes para representar toda la data, usamos la cantidad de varianza explicada por la(s) variable(s) condicionante(s), como una medida de la informacion contenida. El trabajo explica la computacion e incluye ejemplos usando conjuntos de datos publicados. El enfoque esta basado en la alta ganancia respecto al uso de componentes principales, y posee la obvia ventaja respecto a ellos de omitir simplemente algunas de las variables originales a partir de otras consideraciones. El metodo ha sido codificado en Visual-Basic anadido a una hoja de calculo Excel
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,007 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».