MétaCan
Menu
Retour à la cohorte
Enregistrement W4379352312 · doi:10.1007/978-3-031-34344-5

Artificial Intelligence in Medicine

2023· book· en· W4379352312 sur OpenAlexfundno aff
José M. Juárez, Mar Marcos, Gregor Štiglic, Allan Tucker

Notice bibliographique

RevueLecture notes in computer science · 2023
Typebook
Langueen
DomaineComputer Science
ThématiqueMachine Learning in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad Nacional de Educación a DistanciaVrije Universiteit AmsterdamUniversidade da CoruñaHaute école Spécialisée de Suisse OccidentaleUniverza v MariboruUniversity of CyprusUniverza v LjubljaniUniversité Paris-SaclayTrakya ÜniversitesiBerner FachhochschuleStockholms UniversitetUniversidade do PortoUniversità degli Studi di VeronaUniversität ZürichUniversité de BordeauxUniversité Charles-de-Gaulle - Lille 3Universidade de CoimbraUniwersytet ŁódzkiUniversità degli Studi di PaviaBen-Gurion University of the NegevUmeå UniversitetZhejiang UniversityUniversité Paris 13Centre National de la Recherche ScientifiquePolitechnika WarszawskaDalhousie UniversityCollege of Engineering, Michigan State UniversityUniversità degli Studi di PadovaKungliga Tekniska HögskolanUniversiteit van AmsterdamUniversiteit LeidenUniversity of Southern CaliforniaUniversity of AberdeenPolitechnika PoznańskaUniversity of MinnesotaTU Graz, Internationale Beziehungen und MobilitätsprogrammeUniversity of HaifaNorges Teknisk-Naturvitenskapelige UniversitetUniversitat de GironaUniversity of PittsburghEmory UniversityMichigan State UniversityUniversity of PennsylvaniaArizona State UniversityLeibniz-GemeinschaftFlorida State UniversityUniversidad de MurciaUniversidad Politécnica de Madrid
Mots-clésComputer scienceArtificial intelligenceData science

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)0,002
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0700,052

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 Opus0,046
Tête enseignante GPT0,339
Écart entre enseignants0,293 · 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
GenreSynthèse

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

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueLecture notes in computer scienceMême sujetMachine Learning in HealthcareTravaux en français237 207