MétaCan
Menu
Retour à la cohorte
Enregistrement W4221027506 · doi:10.1007/s12080-022-00533-1

Diverse perspectives from diverse scholars are vital for theoretical biology

2022· article· en· W4221027506 sur OpenAlexfundno aff
Allison K. Shaw

Notice bibliographique

RevueTheoretical Ecology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene Regulatory Network Analysis
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de MontréalFulbright CanadaUniversity of Minnesota
Mots-clésPerspective (graphical)CorollaryDiversity (politics)EpistemologyIdentity (music)Process (computing)Computer scienceVariety (cybernetics)Cognitive scienceData scienceManagement scienceSociologyArtificial intelligencePsychologyMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract Science is based on studying some aspects of the world while holding others constant. The assumptions of what can and cannot be ignored implicitly shape our understanding of the world around us. This truth is particularly evident when studying biology through mathematical models, where one must explicitly state assumptions during the process of model building. Although we often recognize that all models are “wrong” in their assumptions, we often overlook the corollary that developing multiple models that are wrong in different ways can help us triangulate truth in our understanding. Theoretical biologists build models in the image of how they envision the world, an image that is shaped by their scientific identity, experiences, and perspectives. A lack of diversity in any of these axes handicaps our ability to understand biological systems through theory. However, we can overcome this by collectively recognizing our own assumptions, by understanding how perspective shapes the development of theory, and — most importantly — by increasing the diversity of theoretical biologists (in terms of identity, experiences, and perspectives). Combined, this will lead to developing theory that provides a richer understanding of the biological world.

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)0,057
score de la tête « metaresearch » (Gemma)0,045
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: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,300

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0570,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0130,072
Communication savante0,0260,041
Science ouverte0,0040,022
Intégrité de la recherche0,0090,023
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 GPT0,245
Écart entre enseignants0,239 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheoretical EcologyMême sujetGene Regulatory Network AnalysisTravaux en français237 207