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
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.
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 | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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