MétaCan
Menu
Retour à la cohorte
Enregistrement W3012193018 · doi:10.1038/s41565-020-0656-y

Banning carbon nanotubes would be scientifically unjustified and damaging to innovation

2020· letter· en· W3012193018 sur OpenAlexafffund
Daniel A. Heller, Prakrit V. Jena, Matteo Pasquali, Kostas Kostarelos, Lucia Gemma Delogu, Rachel E. Meidl, Slava V. Rotkin, David A. Scheinberg, Robert E. Schwartz, Mauricio Terrones, YuHuang Wang, Alberto Bianco, Ardemis A. Boghossian, Sofie Cambré, Laurent Cognet, Simon R. Corrie, Philip Demokritou, Silvia Giordani, Tobias Hertel, Tetyana Ignatova, Mohammad F. Islam, Nicole M. Iverson, Anand Jagota, Dawid Janas, Junichiro Kono, Sebastian Kruss, Markita P. Landry, Yan Li, Richard Martel, Shigeo Maruyama, Anton V. Naumov, Maurizio Prato, Susan J. Quinn, Daniel Roxbury, Michael S. Strano, James M. Tour, R. Bruce Weisman, Wim Wenseleers, Masako Yudasaka

Notice bibliographique

RevueNature Nanotechnology · 2020
Typeletter
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Eye InstituteWeill Cornell Medical CollegePeking UniversityInstitut Català de Nanociència i NanotecnologiaSilesian University of TechnologyUniversiteit AntwerpenCentre National de la Recherche ScientifiqueUniversité de MontréalMemorial Sloan-Kettering Cancer CenterLehigh UniversityUniversità degli Studi di PadovaUniversité de BordeauxNational Institute of General Medical SciencesMonash UniversityGeorg-August-Universität GöttingenDublin City UniversityUniversity of ManchesterNational Institute of Advanced Industrial Science and TechnologyTexas Christian UniversityUniversity of Nebraska-LincolnNational Institute on Drug AbuseUniversity of North Carolina at GreensboroUniversité de StrasbourgRice UniversityUniversity of TokyoPennsylvania State UniversityCarnegie Mellon UniversityMassachusetts Institute of Technology
Mots-clésCarbon nanotubeNanotechnologyCarbon fibersMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0080,010
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,266
Écart entre enseignants0,250 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreCommentaire

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

En bref

Citations104
Publié2020
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueNature NanotechnologyMême sujetCarbon Nanotubes in CompositesTravaux en français237 207