Notice bibliographique
Résumé
In this series of podcasts, Kerrianne Morrison, Noah Sasson, Sue Fletcher-Watson, Catherine Crompton and Damian Milton and myself discuss our respective experimental research on the phenomenon of "double-empathy" - bridging the gap in understanding between autistic and non-autistic people. This podcast series comes from two recording sessions. The first was when myself, Kerrianne, Noah, Sue and Catherine met up at a large international conference on autism in Montreal 2019 (called INSAR in case you hear us referring to this). The second episode was recorded in London 2019 with myself and Damian, after Damian had had a chance to listen to the first recording and provide his reflections. A small note: I had some difficulty with sound interference during the recording and I have done my best to minimise this. My apologies in advance for any interference heard. I have animated this podcast as part of my wider project to create more diverse and accessible ways of engaging with knowledge. Soundcloud link to Episode 1: https://soundcloud.com/drbrett/double... Soundcloud link to Episode 2: https://soundcloud.com/drbrett/double... Links to research: To find out more about Double Empathy, follow Damian's work here: https://www.kent.ac.uk/social-policy-... To read more about our virtual symposium: https://dart.ed.ac.uk/insar-2019-virt... Kerrianne's and Noah's research mentioned: https://journals.sagepub.com/doi/abs/... Brett's research mentioned: https://www.frontiersin.org/articles/... Catherine and Sue's research mentioned: https://dart.ed.ac.uk/research/nd-iq/
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».