MétaCan
Menu
Retour à la cohorte
Enregistrement W3007726178 · doi:10.31542/muse.v4i1.1247

The Smart Plant

2020· article· en· W3007726178 sur OpenAlexaffvenue
Coral Lynn Fermaniuk

Notice bibliographique

RevueMacEwan University Student eJournal · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and Biological Electrophysiology Studies
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésCognitive scienceOrganismArgument (complex analysis)Computer scienceMindsetCognitionPsychologyCommunicationArtificial intelligenceBiologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Plants have long been excluded from the conversation regarding intelligent functioning in living things. This mindset dates back to ancient times, when plants were assigned a low-functioning and unintelligent rung on the scala naturae. In comparison to animals, plants have evolved to respond to their environment with a modular body plan, which lacks a nervous system and ‘intelligent’ organ, such as a brain. Despite this, research has demonstrated that plants are able to sense their environment, transmit sensory information throughout the entire organism, and respond to this sensory information with appropriate physiological responses. Also, plants have been shown to demonstrate aspects of learning and memory -cognitive functions once thought to be restricted to ‘intelligent’ beings (i.e. animals). The argument against plant intelligence is largely semantic-based, and stems from the concept that the word ‘intelligence’ cannot be applied to organisms which lack organs responsible for intelligent functioning. To truly appreciate the intelligent functioning of plants, we must eliminate this semantic barrier through a re-evaluation of our conventional understanding of intelligence. Perhaps this would require us to view intelligence, not as a quality unique to animals, but as a biological property, which in varying degrees is present in all life forms.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,005
Communication savante0,0030,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,019
Tête enseignante GPT0,172
Écart entre enseignants0,153 · 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'étudeObservationnel
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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacEwan University Student eJournalMême sujetPlant and Biological Electrophysiology StudiesTravaux en français237 207