Enregistrement W4323647102 · doi:10.1007/978-3-031-25599-1

Machine Learning, Optimization, and Data Science

2023· book· en· W4323647102 sur OpenAlexfundno aff

Notice bibliographique

RevueLecture notes in computer science · 2023

Typebook

Langueen

DomaineBusiness, Management and Accounting

ThématiqueBig Data and Business Intelligence

Établissements canadiensnon disponible

Organismes subventionnairesSobolev Institute of Mathematics, Siberian Branch, Russian Academy of SciencesLeibniz-GemeinschaftUniversity of IoanninaLobachevsky State University of Nizhny NovgorodNational Technical University of AthensInstitut Teknologi BandungUniversità di PisaRWTH Aachen UniversityUniversità degli Studi di VeronaUral Federal UniversityUniversità di BolognaUniversity College DublinNorth-West UniversityKungliga Tekniska HögskolanUlster UniversityUniversidad de GranadaNational and Kapodistrian University of AthensUniversite AngersNational Research University Higher School of EconomicsTechnische Universität WienUniversità di CataniaUniversidade de CoimbraUniversität PassauArizona State UniversityVysoká Škola Ekonomická v PrazeUniversity of CreteUniversità degli Studi di UdineQueen Mary University of LondonUniversità della CalabriaUniversità degli Studi di PadovaLeibniz-RechenzentrumUniversity of ReadingYork UniversityUniversiteit LeidenJyväskylän YliopistoPolytechnique MontréalAkademia Górniczo-Hutnicza im. Stanislawa StaszicaMcMaster UniversityUniversity of OxfordUniversity of AlbertaUniversità degli Studi di Urbino Carlo BoUniversity of Western MacedoniaUniversité de LilleUniversità degli Studi di ParmaQueensland University of TechnologyChinese University of Hong KongUniversità Ca' Foscari VeneziaUniversity of MinnesotaCentre National de la Recherche ScientifiqueCentro de Investigación y de Estudios Avanzados del Instituto Politécnico NacionalUniversità degli Studi di CagliariUniversidade de AveiroUniversità degli Studi di TorinoUniversità degli Studi di Milano

Mots-clésComputer scienceArtificial intelligenceMachine learning

DOI10.1007/978-3-031-25599-1

Résumé

récupéré en direct d'OpenAlex

Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,002

score de la tête « metaresearch » (Gemma)0,001

Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated

Catégories candidatesMéta-épidémiologie (sens strict), Communication savante

Catégories consensuellesaucune

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune

GenreSignal candidat: Méthodes · Signal consensuel: Méthodes

Score de désaccord entre enseignants0,507

Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

Catégorie	Codex	Gemma
Métarecherche	0,002	0,001
Méta-épidémiologie (sens strict)	0,000	0,000
Méta-épidémiologie (sens large)	0,000	0,000
Bibliométrie	0,001	0,003
Études des sciences et des technologies	0,001	0,002
Communication savante	0,002	0,004
Science ouverte	0,004	0,007
Intégrité de la recherche	0,000	0,001
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.

Tête enseignante Opus0,058

Tête enseignante GPT0,295

Écart entre enseignants0,236 · 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