MétaCan
Menu
Retour à la cohorte

From the Editor

2022· article· en· W4292257769 sur OpenAlexaboutno aff
Chunghui Kuo

Notice bibliographique

RevueJournal of Imaging Science and Technology · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Space AgencyNational Aeronautics and Space Administration
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

and Canadian Space Agency (CSA), the James Webb Space Telescope sent back the first batch of deep space images on July 11, 2022. These images impress the world with their stunning clarify and detailed information captured within. Importantly, they remind us about our shared destiny in this boundless cosmos. For me, these images are as powerful as the last earth image taken by the Voyager 1 spacecraft on February 14, 1990, as she wondered into the space unknown to human. ''A Pale Blue Dot'' , Professor Carl Sagan's poetical description reoriented our sense of the world from planet earth to the boundless universe to think bigger and care more. Professor Sagan's another equally important message was his warning of the climate change at the US Congress in 1985. Unfortunately, efforts in tackling this challenge are at best inconsistent and more often unheeded in the past 30 years to give way to economic development and global competition. The ongoing impact of extreme weather around the world remains as one of the largest challenges for humanity in this century, and the only forward is through international cooperation and technological innovation. However, the old way of passive reaction after disasters no longer serves our needs, as painstakingly scouring through clues from the deep space is often infeasible and futile. Instead, we need to count on the power of machine intelligence to screen pictures of the universe, proactively monitor the environment, and precisely predict looming disasters throughout the world with minimal human intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,672

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0060,005
Science ouverte0,0030,002
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,2010,128

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 Opus0,053
Tête enseignante GPT0,440
Écart entre enseignants0,388 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Imaging Science and TechnologyMême sujetEvaluation and Performance AssessmentTravaux en français237 207