MétaCan
Menu
Retour à la cohorte
Enregistrement W4294837602 · doi:10.1007/978-3-031-15146-0_15

Tables as Powerful Representational Tools

2022· book-chapter· en· W4294837602 sur OpenAlexafffund
Dirk Schlimm

Notice bibliographique

RevueLecture notes in computer science · 2022
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGestalt psychologyComputer scienceNotationTable (database)Identification (biology)PerceptionCognitionInformation retrievalCognitive scienceArtificial intelligenceTheoretical computer scienceData miningPsychologyLinguistics

Résumé

récupéré en direct d'OpenAlex

Abstract Tables are widely used for storing, retrieving, communicating, and processing information, but in the literature on the study of representations they are still somewhat neglected. The strong structural constraints on tables allow for a clear identification of their characteristic features and the roles these play in the use of tables as representational and cognitive tools. After introducing syntactic, spatial, and semantic features of tables, we give an account of how these affect our perception and cognition on the basis of fundamental principles of Gestalt psychology. Next are discussed the ways in which these features of tables support their uses in providing a global access to information, retrieving information, and visualizing relational structure and patterns. The latter is particularly important, because it shows how tables can contribute to the generation of new knowledge. In addition, tables also provide efficient means for manipulating information in general and in structured notations. In sum, tables are powerful and efficient representational tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,426
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0040,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,307
Écart entre enseignants0,276 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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'admission2
Résumé présentoui

Explorer davantage

Même revueLecture notes in computer scienceMême sujetData Visualization and AnalyticsTravaux en français237 207