MétaCan
Menu
Retour à la cohorte
Enregistrement W2917246147 · doi:10.1051/medsci/2019008

Trois chercheurs, dont un Français, récompensés pour leurs travaux sur les lasers

2019· article· fr· W2917246147 sur OpenAlexaboutno aff
Serge Mordon

Notice bibliographique

Revuemédecine/sciences · 2019
Typearticle
Languefr
DomaineEngineering
ThématiqueLaser-induced spectroscopy and plasma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Six ans après le physicien Serge Haroche, un autre Français, qui détient aussi la nationalité américaine, reçoit le prix Nobel de physique. Gérard Mourou, né en 1944 à Albertville (France), est professeur émérite à l’École polytechnique (Palaiseau, France) et ancien professeur à l’université du Michigan (Ann Arbor, États-Unis). Il partage la moitié du prix Nobel avec Donna Strickland, de l’université de Waterloo (Ontario, Canada). Née en 1959 à Guelph, au Canada, elle était alors étudiante à l’époque de ces travaux portant sur les lasers. Elle est la troisième femme seulement à être récompensée en physique, après Marie Curie en 1903 et Maria Goeppert-Mayer en 1963. L’autre moitié de cette récompense prestigieuse revient à l’Américain Arthur Ashkin, 96 ans, de l’université Cornell (Ithaca, État de New York, États-Unis). Arthur Ashkin est désormais la personne la plus âgée à voir été lauréat d’un prix Nobel, toutes catégories confondues. Ces trois chercheurs ont un point commun : ils manipulent la lumière et leurs recherches ont abouti à de nouvelles utilisations des lasers en médecine.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,058
Tête enseignante GPT0,263
Écart entre enseignants0,206 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemédecine/sciencesMême sujetLaser-induced spectroscopy and plasmaTravaux en français237 207