Notice bibliographique
Résumé
President Dr. Christoph Lehmann, United States (2017–2019) President elect Dr. Sabine Koch, Sweden (2017–201 9) Past President Dr. Hyeoun-Ae Park, South Korea (2017–2019) Secretary Dr. Petter Hurlen, Norway (2015–2021) Treasurer Johanna Westbrook, Australia (2017–2020) Vice Presidents MedInfo Dr. Patrick Weber, Switzerland (2017–2019) Membership Dr. Daniel Luna, Argentina (2018–2021) Services Dr. Brigitte Seroussi, France (2016–2019) Special Affairs Dr. Elizabeth Borycki, Canada (2016–2019) Working & Special Interest Groups Dr. Ying (Helen) Wu, China (2016–2019) CEO Elaine Huesing, Canada IMIA Web site: www.imia.org Regional Vice Presidents to IMIA APAMI: Asia Pacific Association for Medical Informatics Dr. Vajira Dissanayake, Sri Lanka EFMI: European Federation for Medical Informatics Dr. Christian Lovis, Switzerland HELINA: Pan African Health Informatics Association Dr. 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 Dr. Riyad Al Shammari, Saudi Arabia North American Region Andre Kushniruk, Canada IMIA Liaison Officers, ex officio WHO Liaison Officer Dr. Antoine Geissbuhler, Switzerland IFIP Liaison Officer Dr. Hiroshi Takeda, Japan ISO Liaison Officer Dr. 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 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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,713 | 0,682 |
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 ».