← Retour à la cohorte
Machine Learning and Knowledge Discovery in Databases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.
Notice bibliographique
RevueLecture notes in computer science · 2023
Typebook
Langueen
DomaineComputer Science
ThématiqueData Mining Algorithms and Applications
Établissements canadiensnon disponible
Organismes subventionnairesMicrosoft Research AsiaInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementInsight SFI Research Centre for Data AnalyticsRégion NormandieStockholms UniversitetUniversity of Science and Technology of ChinaUniverza v LjubljaniUniversity of AlbertaKorea Advanced Institute of Science and TechnologyHarokopio UniversityScuola IMT Alti Studi LuccaUniversità di PisaCentral European Institute of TechnologyUniversidad de OviedoUniversité Grenoble AlpesUniversität BielefeldLudwig-Maximilians-Universität MünchenCollege of Engineering, Michigan State UniversityUniversity of WyomingDanmarks Tekniske UniversitetTemple UniversityUniversiteit UtrechtNankai UniversityCentre National de la Recherche ScientifiqueUniversiteit GentSapienza Università di RomaTechnische Universität WienUniversita degli Studi di Bari Aldo MoroUniversité de Caen NormandiePolitechnika PoznańskaMasdar Institute of Science and TechnologyMicrosoft ResearchInstitut National Polytechnique de ToulouseKing Abdulaziz UniversityNational and Kapodistrian University of AthensJohannes Gutenberg-Universität MainzLeibniz-GemeinschaftSimon Fraser UniversityUniversità degli Studi di PadovaEuskal Herriko UnibertsitateaAlbert-Ludwigs-Universität FreiburgDalhousie UniversityUniversity of WaikatoUniversidad de ZaragozaShanghai Educational Development FoundationChalmers Tekniska HögskolaRijksuniversiteit GroningenAalborg UniversitetAbu Dhabi National Oil CompanyUniversity of Texas at DallasZhejiang UniversityUniversité Paris-SaclayAalto-YliopistoSun Yat-sen UniversityTechnische Universität MünchenInstitut National des Sciences Appliquées de LyonUniversità degli Studi di Milano-BicoccaTsinghua UniversityChinese Academy of SciencesTU Graz, Internationale Beziehungen und MobilitätsprogrammeUniversity of MinnesotaMonash UniversityJulius-Maximilians-Universität WürzburgUniversity of Technology SydneyKU LeuvenUniversity of New South WalesGottfried Wilhelm Leibniz Universität HannoverAix-Marseille UniversitéUniversiteit LeidenUniversity of Texas at San AntonioIndian Council of Agricultural ResearchJilin UniversityNational University of SingaporeIndian Institute of Technology PalakkadCommonwealth Scientific and Industrial Research OrganisationUniversiti Kuala LumpurHelsingin YliopistoDeakin UniversityBlekinge Tekniska HögskolaBeihang UniversityUniversity of TwenteUniversity of BristolUniversity of OxfordSoutheast UniversityKungliga Tekniska HögskolanUlster UniversityUniversidade do PortoIndian Institute of Technology, PatnaCarl von Ossietzky Universität OldenburgItä-Suomen YliopistoShandong UniversityPolitechnika WarszawskaUniversité Bretagne SudUniversidad de CórdobaInstitut "Jožef Stefan"Université Catholique de LouvainPolitecnico di TorinoIndian National Science AcademyUniversità degli Studi di MilanoPurdue UniversityUniversità degli Studi di TrentoMichigan State UniversityUniversità degli Studi di CagliariGeorgia State UniversityDeutsches KrebsforschungszentrumUniversity of OttawaSyracuse UniversityMasarykova UniverzitaUniversiteit van AmsterdamAristotle University of ThessalonikiUniversity College Dublin
Mots-clésComputer scienceKnowledge extractionDatabaseArtificial intelligenceInformation retrieval
Résumé
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.
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.
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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil1,000
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| 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 Opus0,024
Tête enseignante GPT0,291
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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 découleEn bref
Citations24
Publié2023
Routes d'admission1
Résumé présentnon