MétaCan
Menu
Retour à la cohorte
Enregistrement W2887509233 · doi:10.1080/02687038.2018.1487020

Report from ROMA: an update on the development of a core outcome set for aphasia research

2018· article· en· W2887509233 sur OpenAlexaff
Sarah J. Wallace, Linda Worrall, Tanya Rose, Guylaine Le Dorze, Ellie C. Kirke, D Kolomeitz

Notice bibliographique

RevueAphasiology · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésAphasiaPsychologySet (abstract data type)Outcome (game theory)PopulationInternational Classification of Functioning, Disability and HealthDelphi methodCore (optical fiber)Clinical psychologyMedicinePsychiatryComputer scienceArtificial intelligenceRehabilitation

Résumé

récupéré en direct d'OpenAlex

"Report from ROMA: an update on the development of a core outcome set for aphasia research." Aphasiology, 32(sup1), pp. 241–242

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)0,264
score de la tête « metaresearch » (Gemma)0,325
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil0,907

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2640,325
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0080,017
Bibliométrie0,0170,014
Études des sciences et des technologies0,0020,002
Communication savante0,0080,007
Science ouverte0,0080,014
Intégrité de la recherche0,0040,011
Charge utile insuffisante (le modèle a refusé de juger)0,0120,010

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 Opus0,681
Tête enseignante GPT0,618
Écart entre enseignants0,063 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAphasiologyMême sujetDelphi Technique in ResearchTravaux en français237 207