MétaCan
Menu
Retour à la cohorte
Enregistrement W4220948803 · doi:10.21105/jose.00118

Neuromatch Academy: a 3-week, online summer school in computational neuroscience

2022· article· en· W4220948803 sur OpenAlexaff
Bernard Marius ’t Hart, Titipat Achakulvisut, Ayoade Adeyemi, Athena Akrami, Bradly Alicea, Alicia Alonso-Andres, Diego Alzate‐Correa, Arash Ash, J. J. Ballesteros, Aishwarya Balwani, Eleanor Batty, Ulrik Beierholm, Ari S. Benjamin, Upinder S. Bhalla, Gunnar Blohm, Joachim Blohm, Kathryn Bonnen, Marco Brigham, Bingni W. Brunton, John S. Butler, Brandon Caie, N. Alex Cayco-Gajic, Sharbatanu Chatterjee, Spyridon Chavlis, Ruidong Chen, You Cheng, Hiu Mei Chow, Raymond Chua, Yunwei Dai, Isaac David, Eric DeWitt, Julien Denis, Alish Dipani, Arianna Dorschel, Jan Drugowitsch, Kshitij Dwivedi, G. Sean Escola, Haoxue Fan, Roozbeh Farhoodi, Yicheng Fei, Pierre-Étienne Fiquet, Lorenzo Fontolan, Jérémy Forest, Yuki Fujishima, Byron Galbraith, Mario Galdamez, Richard Gao, Julijana Gjorgjieva, Alexander Gonzalez, Qinglong Gu, Yueqi Guo, Ziyi Guo, Pankaj Gupta, Busra Gurbuz, Caroline Haimerl, Jordan B. Harrod, Alexandre Hyafil, Martín Irani, Daniel Jacobson, Michelle J. Johnson, Ilenna Jones, Gili Karni, Robert E. Kass, Hyosub E. Kim, Andreas M. Kist, Randal A. Koene, Konrad P. Körding, Matthew R. Krause, Arvind Kumar, Norma K. Kühn, Ray Lc, Matthew G. LaPorte, Junseok K. Lee, Songting Li, Sikun Lin, Yang Lin, Shuze Liu, Tony Liu, Jesse A. Livezey, Linlin Lu, Jakob H. Macke, Kelly Mahaffy, A Martins, Nicolás Martorell, Manolo Martínez, Marcelo G. Mattar, Jorge Aurelio Menendez, Kenneth D. Miller, Patrick Mineault, Nosratullah Mohammadi, Yalda Mohsenzadeh, Elenor Morgenroth, Taha Morshedzadeh, Alice C. Mosberger, Madhuvanthi Muliya, Marieke Mur, John D. Murray, Yashas Nd, Richard Naud, Prakriti Nayak, Anushka Oak, Itzel Castillo, Seyedmehdi Orouji, Jorge Otero‐Millan, Marius Pachitariu, Biraj Pandey, Renato Paredes, Jesse Parent, Il Memming Park, Megan A. K. Peters, Xaq Pitkow, Panayiota Poirazi, Haroon Popal, Sandhya Prabhakaran, Tian Qiu, Srinidhi Ragunathan, Raúl Rodríguez‐Cruces, David Rolnick, Ashish Kumar Sahoo, Saeed Salehinajafabadi, Cristina Savin, Shreya Saxena, Paul Schrater, Karen E. Schroeder, Alice Schwarze, Madineh Sedigh-Sarvestani, K Sekhar, Reza Shadmehr, Maryam M. Shanechi, Siddhant Sharma, Eric Shea‐Brown, Krishna V. Shenoy, Carolina Shimabukuro, Sergey A. Shuvaev, Man Sin, Maurice A. Smith, Nicholas A. Steinmetz, Karolina Stosio, Elizabeth Straley, Gabrielle Strandquist, Carsen Stringer, Rimjhim Tomar, Ngoc Tran, Sofia Triantafillou, Lawrence Udeigwe, Davide Valeriani, Vincent Valton, Maryam Vaziri-Pashkam, Peter Vincent, Gal Vishne, Pascal Wallisch, Peiyuan Wang, Claire Ward, Michael Waskom, Kunlin Wei, Anqi Wu, Zhengwei Wu, Brad Wyble, Lei Zhang, Daniel Zysman, Federico d’Oleire Uquillas, Tara van Viegen

Notice bibliographique

RevueJournal of Open Source Education · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensWestern UniversityMontreal Neurological Institute and HospitalMcGill UniversityUniversity of British ColumbiaQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputational neurosciencePsychologyNeuroscienceMathematics education

Résumé

récupéré en direct d'OpenAlex

Neuromatch Academy (https://academy.neuromatch.io;(van Viegen et al., 2021)) was designed as an online summer school to cover the basics of computational neuroscience in three weeks.The materials cover dominant and emerging computational neuroscience tools, how they complement one another, and specifically focus on how they can help us to better understand how the brain functions.An original component of the materials is its focus on modeling choices, i.e. how do we choose the right approach, how do we build models, and how can we evaluate models to determine if they provide real (meaningful) insight.This meta-modeling component of the instructional materials asks what questions can be answered by different techniques, and how to apply them meaningfully to get insight about brain function.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,287
Score d'incertitude au seuil0,960

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0030,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,2870,194

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 Opus0,103
Tête enseignante GPT0,381
Écart entre enseignants0,278 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Open Source EducationMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207