The “Scientific colour map” Initiative: Version 7 and its new additions
Notice bibliographique
Résumé
Does visualisation hinder scientific progress? Is visualisation widely misused to tweak data? Is visualisation intentionally used for social exclusion? Is visualisation taken seriously by academic leaders? Using scientifically-derived colour palettes is a big step towards making it obsolete to even ask such brutal questions. Their perceptual uniformity leaves no room to highlight artificial boundaries, or hide real ones. Their perceptual order visually transfers data effortlessly and without delay. Their colour-vision deficient friendly nature leaves no reader left wondering. Their black-and-white readability leaves no printer accused of being not good enough. It is, indeed, the true nature of the data that is displayed to all viewers, in every way. The “Scientific colour map” initiative (Crameri et al., 2020) provides free, citable colour palettes of all kinds for download for an extensive suite of software programs, a discussion around data types and colouring options, and a handy how-to guide for a professional use of colour combinations. Version 7 of the Scientific colour maps (Crameri, 2020) makes crucial new additions towards fairer and more effective science communication available to the science community. Crameri, F., G.E. Shephard, and P.J. Heron (2020), The misuse of colour in science communication, Nature Communications, 11, 5444. Crameri, F. (2020). Scientific colour maps. Zenodo. http://doi.org/10.5281/zenodo.1243862
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 | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,017 | 0,012 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,813 | 0,832 |
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 ».