MétaCan
Menu
Retour à la cohorte
Enregistrement W4249739710 · doi:10.1109/aparm49247.2020.9209482

APARM 2020 TOC

2020· article· en· W4249739710 sur OpenAlexfundno aff

Notice bibliographique

Revue2020 Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM) · 2020
Typearticle
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesAmes Research CenterUniversity of Illinois at Urbana-ChampaignMinzu University of ChinaHunan University of Science and TechnologyTokyo Metropolitan UniversityUniversity of Texas at El PasoZayed UniversityNanjing UniversityZhejiang Sci-Tech UniversityWenzhou UniversityChina Aerospace Science and Technology CorporationFoshan UniversityZhengzhou UniversityNational University of Defense TechnologyBeijing Technology and Business UniversityShanghai Jiao Tong UniversityHanbat National UniversityAoyama Gakuin UniversityNorthwestern UniversityBeihang UniversityNanjing University of Aeronautics and AstronauticsFu Jen Catholic UniversityHunan UniversityQueen's UniversityNorthwestern Polytechnical UniversityHallym UniversityKyungsung UniversitySoutheast UniversityWestern Michigan UniversityChonbuk National UniversitySun Yat-sen UniversityCommercial Aircraft of ChinaBeijing Institute of TechnologyShandong UniversityBeijing University of TechnologyKanagawa UniversityHanyang UniversityGuilin University of Electronic TechnologyChongqing UniversityHarbin Institute of TechnologyNational University of SingaporeUniversity of AlbertaUniversity of TorontoUniversity of New South WalesNational Research Council CanadaKanazawa UniversityNational Aeronautics and Space AdministrationZhejiang UniversityHongik UniversityKindai UniversityCity University of Hong KongUniversity of British ColumbiaTexas Tech UniversityUniversity of Electronic Science and Technology of ChinaWestern New England UniversityTexas State UniversityNanjing Tech UniversityUniversidade Federal de PernambucoFuturewei Technologies
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revue2020 Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM)Travaux en français237 207