Notice bibliographique
Résumé
BOARD President Sabine Koch, Sweden (2019 - 2021) President elect Jack Li, Taiwan (2019 - 2021) Past President Chris Lehmann, United States (2019 - 2021) Secretary Dr. Petter Hurlen, Norway (2015 - 2021) Treasurer Johanna Westbrook, Australia (2017 - 2020) Vice Presidents MedInfo Najeeb Al-Shorbaji, Jordon (2020 - 2021) Membership Dr. Daniel Luna, Argentina (2018 - 2021) Services Dr. Brigitte Séroussi, France (2016 - 2019) Special Affairs Jennifer Bichel-Findlay, Australia (2019 - 2022) Working & Special Interest Groups Luis Fernandez Luque (2019- 2022) CEO Elaine Huesing, Canada IMIA Web site: www.imia.org Regional Vice Presidents to IMIA APAMI: Asia Pacific Association for Medical Informatics Vajira Dissanayake, Sri Lanka EFMI: European Federation for Medical Informatics Christian Lovis, Switzerland HELINA: Pan African Health Informatics Association Ghislain Kouematchoua Tchuitcheu, Germany/Cameroon IMIA-LAC: Health Informatics Association for Latin America and the Caribbean Marcelo Lucio da Silva, Brazil MENAHIA: Middle East and North African Health Informatics Association Riyad Al Shammari, Saudi Arabia North American Region James Cimino, United States IMIA Liaison Officers, ex officio WHO Liaison Officer Patrick Weber, Switzerland IFIP Liaison Officer Hiroshi Takeda, Japan ISO Liaison Officer 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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».