<i>baRcodeR</i> : An open‐source R package for sample labelling
Notice bibliographique
Résumé
Abstract Repeatable experiments with accurate data collection and reproducible analyses are fundamental to the scientific method but may be difficult to achieve in practice. Open‐source tools aid the reproducibility of data analysis, but analogous tools are generally lacking for sample collection and other early stages of scientific inquiry. We introduce the R package baRcodeR for generating informative identifier (ID) codes with digitally encoded linear or 2D barcodes. Codes can be imported from an existing dataset (e.g. CSV file) or generated rapidly in baRcodeR , producing scannable barcodes with customizable page layouts for printing and scanning with consumer‐grade printers and scanners. User‐defined ID codes may contain a simple sequence (e.g. SAMPLE‐0427 ) or encode more meaningful sample information such as individual subjects, treatment groups, sample populations, time points, spatial coordinates, subsamples or other associations (e.g. Pop22‐Ind08‐Time40 ). In addition to command‐line functions, a graphical‐user‐interface (GUI) is available from the ‘Addins’ menu of R Studio or online at https://bit.ly/baRcodeR to assist with ID code and barcode label creation. baRcodeR can help biologists apply principles of open and reproducible science to collect and manage biological samples.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».