MétaCan
Menu
Retour à la cohorte
Enregistrement W3174858995 · doi:10.3389/frym.2021.595275

Computers Can Help us Find Raccoons and Other Living Creatures

2021· article· en· W3174858995 sur OpenAlexaff
Gracielle Higino, Norma Forero, Francis Banville, Gabriel Dansereau, Timothée Poisot

Notice bibliographique

RevueFrontiers for Young Minds · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCreaturesSet (abstract data type)Computer scienceInternet privacyEnvironmental ethicsEcologyHuman–computer interactionComputer securityHistoryBiologyArchaeologyNatural (archaeology)Programming languagePhilosophy

Résumé

récupéré en direct d'OpenAlex

If we want to protect our environment, we first need to know where animals and plants are. Are they hidden in the woods? Are they next to cities? Which woods or which cities? Wandering all over the world to find where living things are might seem exciting at first. However, in the long run, it might get a little tiring, no? Thankfully, we do not need to explore every corner of the Earth to know where the animals and plants are. Scientists instead use computers to deduce where certain species might be. In this article, we will describe how to find where raccoons live, by giving a computer special instructions. To do so, we just need a few observations of raccoons, the environmental conditions in which they have been identified, and a set of instructions to give to our computer.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,369

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,1100,057

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 Opus0,013
Tête enseignante GPT0,224
Écart entre enseignants0,211 · 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
GenreAutre

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers for Young MindsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207