Notice bibliographique
Résumé
International Medical Informatics Association BOARD President Dr. Christoph Lehmann, United States (2017 - 2019) President elect Dr. Sabine Koch, Sweden (2017 - 2019) Past President Dr. Hyeoun-Ae Park, South Korea (2017 - 2019) Secretary Dr. Petter Hurlen, Norway (2015 - 2018) Treasurer Johanna Westbrook, Australia (2017 - 2020) Vice Presidents MedInfo Dr. Patrick Weber, Switzerland (2017 - 2019) Membership Dr. Michio Kimura, Japan (2012 - 2018) Services Dr. Brigitte Séroussi, France (2016 - 2019) Special Affairs Dr. Elizabeth Borycki, Canada (2016 - 2019) Working & Special Interest Groups Dr. Ying (Helen) Wu, China (2016 - 2019) CEO Elaine Huesing, Canada (2017 - 2021) IMIA Web site: www.imia.org Regional Vice Presidents to IMIA APAMI: Asia Pacific Association for Medical Informatics Dr. Kyung-Hee Cho, South Korea EFMI: European Federation for Medical Informatics Dr. Anne Moen, Norway HELINA: Pan African Health Informatics Association Dr. Ghislain Kouematchoua Tchuitcheu, Germany/Cameroon IMIA-LAC: Health Informatics Association for Latin America and the Caribbean Marcelo Lucio da Silva, Brazil North American Region Andre Kushniruk, Canada IMIA Liaison Officers, ex officio WHO Liaison Officer Dr. Antoine Geissbuhler, Switzerland IFIP Liaison Officer Dr. Hiroshi Takeda, Japan ISO Liaison Officer Dr. Michio Kimura, Japan
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 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 | 0,003 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,008 |
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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».