MétaCan
Menu
Retour à la cohorte
Enregistrement W4241866776 · doi:10.31219/osf.io/zep3x

Capturing scientific knowledge in computable form

2020· preprint· en· W4241866776 sur OpenAlexaff
Jeffrey V. Wong, Max Franz, Metin Can Siper, Dylan Fong, Funda Durupınar, Christian Dallago, Augustin Luna, John Giorgi, Igor Rodchenkov, Özgün Babur, John A. Bachman, Benjamin M. Gyori, Emek Demir, Gary D. Bader, Chris Sander

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiomedical Text Mining and Ontologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOpen Knowledge Base ConnectivityKnowledge representation and reasoningContext (archaeology)Knowledge managementData scienceSociology of scientific knowledgeProcess (computing)Knowledge extractionProcedural knowledgeDomain knowledgePersonal knowledge managementArtificial intelligenceOrganizational learning

Résumé

récupéré en direct d'OpenAlex

Technological advances in computing provide major opportunities to complement human reasoning and to dramatically speed up science - but only if structured knowledge is available to enable efficient communication between humans and computers. Traditionally, biological knowledge is captured in publications and knowledge bases. Knowledge in papers is not directly in a computable, structured form; curated structured knowledge bases are limited by manual curation processes. To accelerate knowledge capture and communication and keep pace with the rapid growth of scientific reports, we developed the Biofactoid (biofactoid.org) software suite. Biofactoid accelerates the transfer of knowledge from the minds of authors into computable, widely shared, structured knowledge and can be used as part of the standard publication process. Biofactoid is a web-based system for scientists to compose a structured representation of networks of interactions between genes, their products, and chemical compounds, represented using the expressive power of a formal ontology (BioPAX). The resulting knowledge items are shared via public information resources and can be discovered and analyzed in the context of all existing computable knowledge. We envision adoption of software technology for knowledge capture by scientists and publishers as part of an ecosystem of tools, in which scientific reasoning is supported by efficient knowledge computation.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil0,665

Scores Codex et Gemma par catégorie

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

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 Opus0,046
Tête enseignante GPT0,306
Écart entre enseignants0,260 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiomedical Text Mining and OntologiesTravaux en français237 207