MétaCan
Menu
Retour à la cohorte
Enregistrement W2915226194 · doi:10.1553/populationyearbook2005

Vienna Yearbook of Population Research 2005

2006· paratext· de· W2915226194 sur OpenAlexaboutno aff

Notice bibliographique

RevueVienna Yearbook of Population Research · 2006
Typeparatext
Languede
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Contents: Will Population Ageing Decrease Productivity? Symposium on Population Ageing and Economic Productivity, December 2-4, 2004, Vienna Institute of Demography; Alexia Prskawetz: Background and Summary of Discussion; Vegard Skirbekk: Productivity Decreases with Age; Thomas Lindh: Productivity is a System Property and Need Not Decrease with the Age of Workforce; M. N. Bhrolcháin and L. Toulemon: Does Postponement Explain the Trend to Later Childbearing in France?; C. Bühler and D. Philipov: Social Capital Related to Fertility: Theoretical Foundations and Empirical Evidence for Bulgaria; Tomás Sobotka, Maria Winkler-Dworak, Maria Rita Testa, Wolfgang Lutz, Dimiter Philipov, Henriette Engelhardt, and Richard Gisser: Monthly Estimates of the Quantum of Fertility: Towards a Fertility Monitoring System in Austria; A. Prskawetz and B. Zagaglia: Second Births in Austria; Martin Spielauer: Concentration of Reproduction in Austria: General Trends and Differentials by Educational Attainment and Urban-Rural Setting; F. Trovato: Narrowing Sec Differential in Life Expectancy in Canada and Austria: Comparative analysis; R. Kronberger: Welche Bedeutung hat eine alternde Bevölkerung für das österreichische Steueraufkommen?; W. Lutz and S. Scherbov: Will Population Ageing Necessarily Lead to an Increase in the Number of Persons with Disabilities?; Recent Demographic Trends in Austria (R. Gisser); Fertility in Austria: An Overview (T. Sobotka)

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)0,029
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0290,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0020,002
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0130,039

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 Opus0,282
Tête enseignante GPT0,589
Écart entre enseignants0,307 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVienna Yearbook of Population ResearchMême sujetGlobal Health Care IssuesTravaux en français237 207