Talented 12: Stats & Facts
Notice bibliographique
Résumé
Average age: 33 Number of language spoken: 9 (Dutch, English, French, German, Korean, Mandarin, Polish, Portuguese, Spanish) Number of peer-reviewed papers published: 353 Number of patents filed: 13 Journeys Here are the locales our 12 have called home then and now Darryl Boyd: Kalamazoo, Mich. Morgan Cable: Titusville, Fla. Connor Coley: Columbus, Ohio Pedro García Barrantes: San José, Costa Rica Nicole Gaudelli: Rochester, N.Y. Roxanne Kieltyka: Toronto, Ontario Joseph Moran: Montreal, Quebec Cathy Mulzer: Hopewell Junction, N.Y. Mónica Pérez-Temprano: Valladolid, Spain Jose Rodriguez: Los Angeles, Calif. Luisa Whittaker-Brooks: Colón, Panama Y. Shrike Zhang: Nanjing, China the latest TV shows they’ve binge-watched Even extraordinary chemists need a brain break every once in a while Darryl Boyd: “Luke Cage” and “Riverdale” Morgan Cable: “Dark Matter” Connor Coley: “Westworld” Pedro García Barrantes: “The Walking Dead” and spin-off “Fear the Walking Dead” Nicole Gaudelli: “Mozart in the Jungle” Roxanne Kieltyka: “Chef’s Table” Joseph Moran:
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,570 | 0,570 |
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 ».