Notice bibliographique
Résumé
Uyen Do, MSc; Charbel El-Kefraoui, BSc; Makena Pook, BHSc; Saba Balvardi, MD, MSc; Natasha Barone, MSc; Philip Nguyen-Powanda, BSc; Lawrence Lee, MD, PhD; Gabriele Baldini, MD, MSc; Liane S. Feldman, MD; Julio F. Fiore Jr, PhD; McGill Better Opioid Prescribing Collaboration; Mohsen Alhashemi, MD; Alen Antoun, MD; Jeffrey S. Barkun, MD; Krista M. Brecht, RN, MScN; Prosanto K. Chaudhury, MD, MSc; Dan Deckelbaum, MD, MPH; Elise Di Lena, MD; Sinziana Dumitra, MD, MSc; Hiba Elhaj, MSc; Paola Fata, MD, MSc; David Fleiszer, MD; Gerald M. Fried, MD; Jeremy Grushka, MD, MSc; Pepa Kaneva, MSc; Kosar Khwaja, MD, MBA, MSc; Maxime Lapointe-Gagner, BSc; Katherine M. McKendy, MD, MEd; Ari N. Meguerditchian, MD; Sarkis H. Meterissian, MD; Haley Montgomery, BSc; Fateme Rajabiyazdi, PhD; Nadia Safa, MD; Nawar Touma, MD; Francine Tremblay, MD
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».