MétaCan
Menu
Retour à la cohorte
Enregistrement W2774103170 · doi:10.12943/cnr.2017.00013

CASE STUDIES OF NUCLEAR RESEARCH SOFTWARE DEVELOPMENT

2017· article· en· W2774103170 sur OpenAlexaffvenueabout
Huiping Yan, Susan Yatabe

Notice bibliographique

RevueCNL Nuclear Review · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueService-Oriented Architecture and Web Services
Établissements canadiensAtomic Energy (Canada)Canadian Nuclear Laboratories
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftwareInterface (matter)Field (mathematics)Software developmentSoftware engineeringUser interfaceRelational databaseSystems engineeringDatabaseWorld Wide WebData scienceEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Experimental and operational data are valuable assets for the field of nuclear science and technology. It is very important to develop software tools to assist scientists to manage the data effectively and to conveniently access and share the data. This paper presents 5 case studies on software development pertaining to topical areas such as nuclear fuel performance, waste management, biological research, reactor physics, and chemistry analysis at Canadian Nuclear Laboratories (CNL). Each case study illustrates the design and development of the database and user interface for its target research area and end users. While datasets based on flat files are still used in reactor physics studies, full-scale relational databases are developed for most of the other studies. The user interfaces developed for these areas include web applications, desktop applications, and mobile applications. These software tools have become essential parts of the research activities at CNL.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,401
Écart entre enseignants0,240 · 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 tête enseignante, 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'admission3
Résumé présentoui

Explorer davantage

Même revueCNL Nuclear ReviewMême sujetService-Oriented Architecture and Web ServicesTravaux en français237 207