MétaCan
Menu
Retour à la cohorte
Enregistrement W4220704719 · doi:10.1002/cjce.24408

Support for catalysis in <scp>C</scp>anada by the <scp>CIC C</scp>atalysis <scp>D</scp>ivision and <scp>C</scp>anadian <scp>C</scp>atalysis <scp>F</scp>oundation

2022· article· en· W4220704719 sur OpenAlexaffvenueabout
Bryce McGarvey, Natalia Semagina, Josephine M. Hill

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensUniversity of CalgaryUniversity of AlbertaImperial Oil (Canada)
Organismes subventionnairesnon disponible
Mots-clésCatalysisPipeline (software)Political scienceEngineeringChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract 2020 and 2021 marked major milestones for the catalysis community in Canada. The Catalysis Division of The Chemical Institute of Canada marked its 50‐year anniversary in 2021, and the Canadian Catalysis Foundation celebrated its 30th anniversary in 2020. Both organizations have been instrumental in supporting and advancing the broad and evolving field of catalysis in Canada. This article summarizes the genesis of these organizations and highlights the key roles that they serve for the catalysis community. The health and vibrancy of the catalysis community in 2022 is a testament to the vision, insights, and efforts of those in the community in the 1960s and 1970s who created a framework that helped to bridge the gaps between science and engineering in the field of catalysis. The establishment of the Division in 1971 pulled together a critical mass of people with common professional interests in all aspects of catalysis and catalyst technology. The division structure facilitated collaborations, formalizing and organizing biennial catalysis symposia, administering award programs, and, now, acting as a pipeline for members and directors of the Canadian Catalysis Foundation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,044
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,310
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,044
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0060,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,203 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMachine Learning in Materials ScienceTravaux en français237 207