Digitalisation and COVID-19: The Perfect Storm
Notice bibliographique
Résumé
"A ship in the harbour is safe, but that is not what ships are built for," observed that sage 19th century philosopher William Shedd. In other words, technology of high potential is of little value if the potential is not exploited. As the shape of 2020 is increasingly defined by the coronavirus pandemic, digitalisation is like a ship loaded with technology that has a huge capacity for transforming mankind's combat against infectious disease. But it is still moored safely in harbour. Instead of sailing bravely into battle, it remains at the dockside, cowering from the storm beyond the breakwaters. Engineers and fitters constantly fine-tune it, and its officers and deckhands perfect their operating procedures, but that promise is unfulfilled, restrained by the hesitancy and indecision of officialdom. Out there, the seas of the pandemic are turbulent and uncharted, and it is impossible to know in advance everything of the other dangers that may lurk beyond those cloudy horizons. However, the more noble course is for orders to be given to complete the preparations, to cast off and set sail, and to join other vessels crewed by valiant healthcare workers and tireless researchers, already deeply engaged in a rescue mission for the whole of the human race. It is the destiny of digitalisation to navigate those oceans alongside other members of that task force, and the hour of destiny has arrived. This article focuses on the potential enablers and recommendation to maximise learnings during the era of COVID-19.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,021 |
| Communication savante | 0,024 | 0,027 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».