Notice bibliographique
Résumé
Les phénomènes géographiques s’inscrivent dans deux catégories : les phénomènes dépendants d’échelle et les phénomènes invariants d’échelle. Les premiers ont des échelles caractéristiques, ce qui n’est pas le cas des seconds. Les méthodes quantitatives et mathématiques classiques ne peuvent être appliquées efficacement aux phénomènes géographiques dépendants d’échelle. L’auteur compare les systèmes géographiques dépendants d’échelle et invariants d’échelle au moyen de simples modèles mathématiques applicables à la géographie. Les perspectives sont essentiellement les suivantes. Premièrement, les phénomènes dépendants d’échelle peuvent être étudiés au moyen de méthodes mathématiques traditionnelles, alors que l’analyse des phénomènes invariants d’échelle devrait reposer sur une théorie fondée sur la mise en échelle comme celle de la géométrie fractale. Deuxièmement, les phénomènes dépendants d’échelle relèvent du géoespace basé sur la distance, tandis que les phénomènes invariants d’échelle relèvent du géoespace basé sur la dimension. Troisièmement, quatre méthodes permettant de distinguer les phénomènes invariants d’échelle des phénomènes dépendants d’échelle sont présentées : transformation d’échelle, distribution de probabilités, fonctions d’autocorrélation et d’autocorrélation partielle, et indice ht ( head/tail — tête/queue). En pratique, un système géographique complexe comporte des aspects dépendants d’échelle et des aspects invariants d’échelle. Il convient d’adapter les méthodologies aux différents types de systèmes géographiques ou aux différents aspects d’un même système géographique.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».