MétaCan
Menu
Retour à la cohorte
Enregistrement W3080939175 · doi:10.1117/12.2566486

Bringing together graduate students and companies to solve industry-related problems in optics and photonics

2020· article· en· W3080939175 sur OpenAlexaffabout
Philippe Guay, Olivier-Michel Tardif, Lauris Talbot

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCompetitive and Knowledge Intelligence
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésFace (sociological concept)Event (particle physics)Work (physics)Product (mathematics)Process (computing)Graduate studentsComputer scienceEngineeringSociologyMechanical engineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

For the last fifteen years, Universite Laval’s SPIE Student Chapter has been building strong links between academia and industry to better prepare its student members to face their future career and to guide them towards industry. With now over fifty companies working in the field of optics and photonics in the Quebec City area alone, this makes it one of the best places in the world for students to visit companies and learn about companies’ expertise, equipment and work environments. In 2017 and for the first time at Universite Laval, the Student Chapter organized a day-long workshop where students had to solve real-world industry-related problems presented by high-end optics-related companies, i.e. an industrial seminar. Now at its fourth edition, a retrospective picture investigating the success of this event can be drawn. Over the years, more than 20 companies from Quebec City’s rich optics and photonics area were invited to present their domain of expertise to students through conferences, product demonstrations and original problem scenarios encountered in the past. As a result, no fewer than 100 students were familiarized with the work of these technology companies. They also exchanged and shared ideas with expert engineers, physicists, chemists, etc., and were given real-world problems to solve. From this process, direct links were created between the employers and the future employees, and a clearer picture was drawn for graduates envisioning an industrial career. Consequently, this event has shown to be beneficial for both students and companies.

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)0,009
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,166

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0120,006
Communication savante0,0170,006
Science ouverte0,0040,025
Intégrité de la recherche0,0060,013
Charge utile insuffisante (le modèle a refusé de juger)0,0500,029

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 Opus0,076
Tête enseignante GPT0,284
Écart entre enseignants0,208 · 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'étudeSans objet
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCompetitive and Knowledge IntelligenceTravaux en français237 207