MétaCan
Menu
Retour à la cohorte
Enregistrement W4234518832 · doi:10.1515/iupac.87.0120

California Verbal Learning Test

2016· dataset· en· W4234518832 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIUPAC Standards Online · 2016
Typedataset
Langueen
DomainePsychology
ThématiqueEducational and Psychological Assessments
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGlossaryChemical nomenclatureRelation (database)Test (biology)Computer sciencePsychologyChemistryLinguisticsBiologyData miningPhilosophy

Résumé

récupéré en direct d'OpenAlex

The primary objective of this Glossary of Terms Used in Neurotoxicology is to give clear definitions for those who contribute to studies relevant to neurotoxicology, or must interpret them, but are not themselves neurotoxicologists, neuroscientists or physicians. This applies especially to chemists who need to understand the literature of neurotoxic effects of substances without recourse to a multiplicity of other glossaries or dictionaries. The Glossary includes terms related to basic and clinical neurology insofar as they are necessary for a self-contained document, and particularly terms related to diagnosing, measuring, and understanding effects of substances on the central and peripheral nervous systems. The glossary consists of about 800 terms as primary alphabetical entries, and includes Annexes of common abbreviations, and examples of chemicals with known effects on the nervous system. The authors hope that among the groups who will find this glossary helpful, in addition to chemists, are toxicologists, pharmacologists, medical practitioners, risk assessors, and regulatory authorities. In particular, it should facilitate the worldwide use of chemistry in relation to occupational and environmental risk assessment.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0870,000

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 Opus0,028
Tête enseignante GPT0,484
Écart entre enseignants0,456 · 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