Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
International Medical Informatics Association BOARD President Hyeoun-Ae Park, Korea (2015 - 2017) President elect Christoph Lehmann, United States (2015 - 2017) Past President Lincoln de Assis Moura Jr., Brazil (2015 - 2017) Secretary Petter Hurlen, Norway (2015 - 2018) Treasurer Sabine Koch, Sweden (2012 - 2018) Vice Presidents MedInfo Kaija Saranto, Finland (2015 - 2017) Membership Michio Kimura, Japan (2012 - 2018) Services Brigitte Séroussi, France (2016 - 2019) Special Affairs Elizabeth Borycki, Canada (2016 - 2019) Working & Special Interest Groups Ying (Helen) Wu, China (2016 - 2019) CEO Elaine Huesing, Canada (2015 - 2017) IMIA Web site: www.imia.org # IMIA REGIONS APAMI: Asia Pacific Association for Medical Informatics Kyung-Hee Cho, South Korea, Vice President EFMI: European Federation for Medical Informatics Anne Moen, Norway, Vice President HELINA: Pan African Health Informatics Association Ghislain Kouematchoua Tchuitcheu, Germany/Cameroon, Vice President IMIA-LAC: Health Informatics Association for Latin America and the Caribbean Amado Espinosa, Mexico, Vice-President MEAHI - Middle East Association for Health Informatics Ramin Moghaddam, Iran, Vice President (tbc) North American Region Andre Kushniruk, Canada, Vice President
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle