Notice bibliographique
Résumé
262Specific instance counts are based on the information provided in the Annual NCP Reports by 41 of the OECD Guideline adhering countries. Annual NCP Report is outstanding from Iceland. Not all NCPs report specific instances which have not been formally accepted. requests to consider specific instances have been raised with NCPs since the June 2000 review. Individual NCP reports indicate that the following numbers of specific instances have been raised: Argentina (7), Australia (4), Austria (5), Belgium (13), Brazil (22), Canada (11), Chile (6), Czech Republic (5), Denmark (3), Finland (4), France (18),France has had a significant increase in the number of specific instances it received in this implementation period. Six new specific instances have been raised in the past year as opposed to none in the previous five years. Germany (13), Hungary (1), Ireland (2), Israel (2), Italy (6), Japan (4), Korea (7), Luxembourg (3),Prior to this implementation period, Luxembourg had never received requests to consider specific instances. Mexico (3), Netherlands (21), New Zealand (2), Norway (6), Peru (3), Poland (3), Portugal (1), Romania (1), Spain (2), Sweden (3), Switzerland (16), Turkey (3), United Kingdom (24), and United States (32). 39 new specific instances were raised, more than double the number of specific instances raised in the 2009-2010 implementation period. A total of ten Final Statements, in addition to one revised Final Statement, were issued.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,362 | 0,226 |
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 source (Gemma direct ou Codex distillé), 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 ».