MétaCan
Menu
Retour à la cohorte
Enregistrement W4242580035 · doi:10.1515/iupac.78.0340

Good Laboratory Practice (GLP)

2016· dataset· en· W4242580035 sur OpenAlexaff
Gerald R. Stephenson, Ian G. Ferris, Patrick T. Holland, Monica Nordberg

Notice bibliographique

RevueIUPAC Standards Online · 2016
Typedataset
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésGlossaryRelation (database)Chemical nomenclatureComputer scienceGood laboratory practiceManagement scienceData scienceEngineeringChemistryData miningOperations managementQuality assurance

Résumé

récupéré en direct d'OpenAlex

The glossary contains definitions of more than 500 terms frequently used in relation to the chemistry, mode of action, regulation, and use of pesticides. A wide range of disciplines is involved in this field, and the glossary was developed as a step in facilitating communication among researchers, government regulatory authorities, and chemists in associated professional areas. The range of terms relates to pesticide residue analysis, sampling for analysis, good laboratory practice, metabolism, environmental fate, effects on ecosystems, computer simulation models, toxicology, and risk assessment. The number of important, “pesticide-related” terms has more than doubled since 1996, when the first IUPAC glossary of this type was developed[1], an indication of how this field has become so integrated with many other scientific and regulatory disciplines.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,347

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,042
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,019
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0030,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,1040,069

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 GPT0,493
Écart entre enseignants0,465 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIUPAC Standards OnlineMême sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207