MétaCan
Menu
Retour à la cohorte
Enregistrement W2778786795 · doi:10.33137/js.v1i0.27761

A Method for Reconstructing the Medieval Arabic Scientific Mosaic

2017· article· en· W2778786795 sur OpenAlexaffvenue
Michael Fatigati

Notice bibliographique

RevueScientonomy Journal for the Science of Science · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMedieval and Classical Philosophy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPropositionMosaicArabicLicenseSociologyEpistemologyTracking (education)LinguisticsComputer scienceHistoryPhilosophyArchaeologyPedagogy

Résumé

récupéré en direct d'OpenAlex

There are good reasons to think that there was a body of truths generally accepted by the scientific community under Abbasid rule during the middle ages. However, the indicators initially established by the scientonomy community to guide us in reconstructing past mosaics are not applicable in the case of the medieval Arabic scientific mosaic. Instead, by attending to the particular way that knowledge was disseminated in this community, we can see the primacy of the concepts passed down in authoritative texts. It is proposed here that a good way of determining which texts, and therefore theories, were accepted would be by tracking the unique record of licenses to teach [ʾijāzāt] particular texts that exist from this period.Suggested Modifications[Sciento-2017-0003]: Accept the following propositions concerning MASM in c. 750-1258 CE in the Abbasid caliphate:Authoritative texts are indicative of theories accepted in MASM.Licenses to teach [ʾijāzāt] are reliable indicators of which texts were considered authoritative in MASM.Accept that the following method ought to be employed when reconstructing the theories accepted in MASM:Teaching License Method: A proposition can be said to be accepted in MASM if the evidence of the licenses to teach [ʾijāzāt] indicates so.

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)0,005
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0090,006
Études des sciences et des technologies0,0040,004
Communication savante0,0060,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0240,006

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 Opus0,117
Tête enseignante GPT0,357
Écart entre enseignants0,241 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientonomy Journal for the Science of ScienceMême sujetMedieval and Classical PhilosophyTravaux en français237 207