MétaCan
Menu
Retour à la cohorte
Enregistrement W2770854713 · doi:10.1136/bjsports-2017-098785

24 issues per year, 25 member societies, 1.5 million podcast listens and 6.5 million YouTube views

2017· article· en· W2770854713 sur OpenAlexaff
Karim M. Khan, Babette M Pluim, Kay M. Crossley

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésActive listeningPrivilege (computing)Sports medicineMedicineFamily medicinePsychologyPhysical therapyPolitical scienceLawPsychotherapist

Résumé

récupéré en direct d'OpenAlex

When the current editorial team was given the privilege and responsibility of leading the BJSM into the 2010s, part of the job description was to write a ‘Warm Up’ for each of the 12 annual issues. We have dodged that responsibility pretty consistently and still get paid. However, at the end of our 10th year in the role we share 10 Level 5 opinions. 1. BJSM aims to serve the clinical community. This resulted from our ‘listening for direct’ consultations in 2008.  It meant that BJSM differentiated itself from leading physiological journals such as Journal of Applied Physiology and also from surgical journals such as the American Journal of Sports Medicine . BJSM was for clinicians who treat those in the physical activity, exercise and sporting community and those who use physical activity, exercise and sport as medicine. 2. 25 member societies make up the current ‘ BJSM family’ without including ‘ the special’ relationships we have with organisations such as the International Olympic Committee, the World Confederation of Physical Therapy, the Concussion in Sport Group (CISG), the International Federation of Sports Physical Therapy etc. The value proposition is that by being a full BJSM member,  a …

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)0,006
score de la tête « metaresearch » (Gemma)0,030
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,282
Score d'incertitude au seuil0,944

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0050,002
Communication savante0,0130,005
Science ouverte0,0010,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,2820,144

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 Opus0,122
Tête enseignante GPT0,426
Écart entre enseignants0,304 · 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
GenreEmpirique

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 revueBritish Journal of Sports MedicineMême sujetDelphi Technique in ResearchTravaux en français237 207