Notice bibliographique
Résumé
The history of neuroscience is the memory of the discipline and this memory depends on the study of the present traces of the past; the things left behind: artifacts, equipment, written documents, data books, photographs, memoirs, etc. History, in all of its definitions, is an integral part of neuroscience and I have used examples from the literature and my personal experience to illustrate the importance of the different aspects of history in neuroscience. Each time we talk about the brain, do an experiment, or write a research article, we are involved in history. Each published experiment becomes a historical document; it relies on past research (the "Introduction" section), procedures developed in the past ("Methods" section) and as soon as new data are published, they become history and become embedded into the history of the discipline ("Discussion" section). In order to be transparent and able to be replicated, each experiment requires its own historical archive. Studying history means researching books, documents and objects in libraries, archives, and museums. It means looking at data books, letters and memos, talking to scientists, and reading biographies and autobiographies. History can be made relevant by integrating historical documents into classes and by using historical websites. Finally, conducting historical research can be interesting, entertaining, and can lead to travel to out-of-the-way and exotic places and meeting interesting people.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,004 | 0,011 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».