Notice bibliographique
Résumé
“Have you seen the Falls?”—“No.” “Then you've seen nothing of America.” I might have seen Trenton Falls, Gennessee Falls, the Falls of Montmorenci and Lorette; but I had seen nothing if I had not seen the Falls (par excellence) of Niagara. There were divers reasons why my friends in the States were anxious that I should see Niagara. One was, as I was frequently told, that all I had seen, even to the “Prayer Eyes” would go for nothing on my return; for in England, America was supposed to be a vast tract of country containing one town—New York; and one astonishing natural phenomenon, called Niagara. “See New York, Quebec, and Niagara,” was the direction I received when I started upon my travels. I never could make out how, but somehow or other, from my earliest infancy, I had been familiar with the name of Niagara, and, from the numerous pictures I had seen of it, I could, I suppose, have sketched a very accurate likeness of the Horse-shoe Fall. Since I landed at Portland, I had continually met with people who went into ecstatic raptures with Niagara; and after passing within sight of its spray, and within hearing of its roar—after seeing it the great centre of attraction to all persons of every class—my desire to see it for myself became absorbing.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».