MétaCan
Menu
Retour à la cohorte
Enregistrement W2974304814 · doi:10.1021/acsenergylett.9b01946

Three Pillars of Effective Research. <i>Measurements, Analysis, and Dissemination</i> – A Virtual Issue

2019· article· en· W2974304814 sur OpenAlexaffabout
Prashant V. Kamat, Jillian M. Buriak

Notice bibliographique

RevueACS Energy Letters · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEngineering physicsNanotechnologyMaterials scienceComputer scienceData scienceEngineering

Résumé

récupéré en direct d'OpenAlex

ADVERTISEMENT RETURN TO ISSUEPREVEnergy FocusNEXTThree Pillars of Effective Research. Measurements, Analysis, and Dissemination – A Virtual IssuePrashant V. KamatPrashant V. KamatUniversity of Notre Dame, Notre Dame, Indiana, United StatesMore by Prashant V. Kamathttp://orcid.org/0000-0002-2465-6819 and Jillian M. BuriakJillian M. BuriakUniversity of Alberta, Edmonton, CanadaMore by Jillian M. Buriakhttp://orcid.org/0000-0002-9567-4328Cite this: ACS Energy Lett. 2019, 4, 10, 2473–2474Publication Date (Web):September 19, 2019Publication History Received5 September 2019Accepted6 September 2019Published online19 September 2019Published inissue 11 October 2019https://pubs.acs.org/doi/10.1021/acsenergylett.9b01946https://doi.org/10.1021/acsenergylett.9b01946article-commentaryACS PublicationsCopyright © 2019 American Chemical Society. This publication is available under these Terms of Use. Request reuse permissions This publication is free to access through this site. Learn MoreArticle Views6953Altmetric-Citations3LEARN ABOUT THESE METRICSArticle Views are the COUNTER-compliant sum of full text article downloads since November 2008 (both PDF and HTML) across all institutions and individuals. These metrics are regularly updated to reflect usage leading up to the last few days.Citations are the number of other articles citing this article, calculated by Crossref and updated daily. Find more information about Crossref citation counts.The Altmetric Attention Score is a quantitative measure of the attention that a research article has received online. Clicking on the donut icon will load a page at altmetric.com with additional details about the score and the social media presence for the given article. Find more information on the Altmetric Attention Score and how the score is calculated. Share Add toView InAdd Full Text with ReferenceAdd Description ExportRISCitationCitation and abstractCitation and referencesMore Options Share onFacebookTwitterWechatLinked InRedditEmail PDF (464 KB) Get e-AlertscloseSUBJECTS:Materials,Materials science,Physical chemistry,Quality management,Software Get e-Alerts

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)0,052
score de la tête « metaresearch » (Gemma)0,090
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil0,898

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,090
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0090,006
Études des sciences et des technologies0,0050,006
Communication savante0,0330,021
Science ouverte0,0060,015
Intégrité de la recherche0,0150,015
Charge utile insuffisante (le modèle a refusé de juger)0,3700,436

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 Opus0,011
Tête enseignante GPT0,288
Écart entre enseignants0,277 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Energy LettersMême sujetMachine Learning in Materials ScienceTravaux en français237 207