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 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)0,001

score de la tête « metaresearch » (Gemma)0,004

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: aucune

GenreSignal candidat: Autre · Signal consensuel: aucune

Score de désaccord entre enseignants0,017

Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,001	0,004
Méta-épidémiologie (sens strict)	0,002	0,001
Méta-épidémiologie (sens large)	0,002	0,001
Bibliométrie	0,002	0,004
Études des sciences et des technologies	0,000	0,002
Communication savante	0,003	0,004
Science ouverte	0,001	0,001
Intégrité de la recherche	0,001	0,004
Charge utile insuffisante (le modèle a refusé de juger)	0,017	0,007

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

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

GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5

Publié2023

Routes d'admission1

Résumé présentnon

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueLecture notes in computer science→Même sujetBig Data and Business Intelligence→Travaux en français237 207→