The artificial intelligence (AI) revolution: How important for scientific work and its reliable sharing
Notice bibliographique
Résumé
The artificial intelligence (AI) revolution: How important for scientific work and its reliable sharingArtificial intelligence (AI) is the overarching field that aims to create intelligent machines and systems that can perform tasks that would otherwise require human intelligence.This term was first used in 1956 by American computer scientist John McCarthy. 1 In 1950, the 'Turing test' was developed to assess whether a machine exhibits intelligent behaviour equivalent to, or indistinguishable from, that of a human.In essence, if a human judge cannot reliably distinguish between responses from a machine and a human in a blind interaction, the machine is considered to have passed the test. 2 AI involves creating algorithms and systems that enable computers to learn, make decisions and perform tasks that typically require human intelligence, such as problem-solving, learning, natural language understanding and pattern recognition.AI systems can be rule-based (following a set of pre-defined instructions) or learningbased (adapt and learn from data).Under the umbrella of AI, machine learning (ML) focuses on designing algorithms that enable computers to learn from and make predictions or decisions based on data, without explicit
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,035 |
| Communication savante | 0,018 | 0,034 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,012 | 0,016 |
| 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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».