MétaCan
Menu
Retour à la cohorte
Enregistrement W2984330061 · doi:10.1039/c9en00448c

Harmonizing across environmental nanomaterial testing media for increased comparability of nanomaterial datasets

2019· article· en· W2984330061 sur OpenAlexafffund
Nicholas K. Geitner, Christine Ogilvie Hendren, Geert Cornelis, Rälf Kaegi, Jamie R. Lead, Gregory V. Lowry, Iseult Lynch, Bernd Nowack, Elijah J. Petersen, Emily S. Bernhardt, Scott C. Brown, Wei Chen, Camille de Garidel-Thoron, Jaydee Hanson, Stacey L. Harper, K. M. Jones, Frank von der Kammer, Alan R. Kennedy, Justin Kidd, Cole W. Matson, Chris D. Metcalfe, Joel A. Pedersen, Willie J.G.M. Peijnenburg, Joris T.K. Quik, Sónia M. Rodrigues, Jérôme Rose, Phil Sayre, Marie Simonin, Claus Svendsen, Robert L. Tanguay, Nathalie Tefenkji, Tom van Teunenbroek, Gregory Thies, Yuan Tian, Jacelyn Rice, Amalia Turner, Jie Liu, Jason M. Unrine, Marina E. Vance, Jason C. White, Mark R. Wiesner

Notice bibliographique

RevueEnvironmental Science Nano · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensTrent University
Organismes subventionnairesEngineer Research and Development CenterNational Cancer InstituteCentro de Estudos Ambientais e Marinhos, Universidade de AveiroEuropean CommissionEuropean Regional Development FundHorizon 2020 Framework ProgrammeCenter for the Environmental Implications of NanoTechnologyCanada Research ChairsNational Institutes of HealthAgence Nationale de la RechercheMinistério da Ciência, Tecnologia e Ensino SuperiorU.S. Consumer Product Safety CommissionU.S. Environmental Protection Agency
Mots-clésComparabilityNanomaterialsOrganismEnvironmental chemistryEnvironmental scienceNanotechnologyMaterials scienceChemistryBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

The chemical composition and properties of environmental media determine nanomaterial (NM) transport, fate, biouptake, and organism response.

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)0,054
score de la tête « metaresearch » (Gemma)0,161
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,284

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0540,161
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,002
Communication savante0,0060,004
Science ouverte0,0040,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,033
Tête enseignante GPT0,257
Écart entre enseignants0,224 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations49
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science NanoMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207