Summer reading 2021 <b>Solving Public Problems: A Practical Guide to Fix Our Government and Change Our World</b> , <i>Beth Simone Noveck</i> , Yale University Press, 2021, 448 pp. <b>Technically Food: Inside Silicon Valley's Mission to Change What We Eat</b> , <i>Larissa Zimberoff</i> , Abrams Press, 2021, 240 pp. <b>Unwell Women: Misdiagnosis and Myth in a Man-Made World</b> , <i>Elinor Cleghorn, Dutton</i> , 2021, 400 pp. <b>The Uncommon Knowledge of Elinor Ostrom: Essential Lessons for Collective Action</b> , <i>Erik Nordman</i> , Island Press, 2021, 256 pp. <b>The Ascent of Information: Books, Bits, Genes, Machines, and Life's Unending Algorithm</b> , <i>Caleb Scharf</i> , Riverhead Books, 2021, 352 pp. <b>A Quantum Life: My Unlikely Journey from the Street to the Stars</b> , <i>Hakeem Oluseyi and Joshua Horwitz</i> , Ballantine Books, 2021, 368 pp. <b>Blue: In Search of Nature's Rarest Color</b> , <i>Kai Kupferschmidt</i> , The Experiment, 2021, 224 pp. <b>The Memory Thief and the Secrets Behind How We Remember: A Medical Mystery</b> , <i>Lauren Aguirre</i> , Pegasus Books, 2021, 336 pp.
Notice bibliographique
Résumé
A journalist probes the tech companies racing to entice consumers—and investors—with futuristic foods. An outsider documents his ascent in academia. A policy expert proposes a human-centered approach to solving society's problems. From an ode to azure to a deep dive into data, this year's summer reading picks—reviewed by alumni of the AAAS Mass Media Science & Engineering Fellows program—offer readers fresh perspectives on timely scientific topics. Confront the biases that have long imperiled women's health, probe the mysteries of memory, celebrate a prescient economist, and more, with the books reviewed below.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,318 | 0,228 |
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 ».