MétaCan
Menu
Retour à la cohorte
Enregistrement W2904021066 · doi:10.1609/aimag.v39i4.2836

Technological Advances in Applied Intelligence

2018· article· en· W2904021066 sur OpenAlexaffabout
Malek Mouhoub, Samira Sadaoui, Otmane Aı̈t Mohamed, Moonis Ali

Notice bibliographique

RevueAI Magazine · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensConcordia UniversityUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésAutomationCyberspaceBiomedicineEngineering managementEngineeringRoboticsArtificial intelligenceIntelligent decision support systemScience and engineeringComputational Science and EngineeringComputer scienceEngineering ethicsThe InternetSoftware engineeringRobotWorld Wide WebMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The 31st International Conference on Industrial, Engineering and Other Applications of Applied Intelligent Systems (IEA/AIE 2018) was held at Concordia University in Montreal, Canada, June 25–28, 2018. IEA/AIE 2018 continued the tradition of emphasizing applications of applied intelligent systems to solve real‐life problems in all areas, including engineering, science, industry, automation and robotics, business and finance, medicine and biomedicine, bioinformatics, cyberspace, and human‐machine interactions.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,005
Communication savante0,0060,007
Science ouverte0,0010,004
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0210,007

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 Opus0,037
Tête enseignante GPT0,295
Écart entre enseignants0,259 · 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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAI MagazineMême sujetBig Data and Business IntelligenceTravaux en français237 207