MétaCan
Menu
← Retour à la cohorte
Enregistrement W4383554109 · doi:10.55959/msu0579-9414-5-2023-1-129-136

CENTENARY OF THE FIRST-EVER FIELD TRAINING FOR GEOGRAPHY STUDENTS OF THE MOSCOW UNIVERSITY IN THE MOSCOW REGION

2023· article· en· W4383554109 sur OpenAlexaboutno aff
Alexander Antonovich Aguirrechu

Notice bibliographique

RevueLomonosov Geography Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Socio-Economic Development Trends
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Quarter (Canadian coin)GeographyLibrary scienceState (computer science)Field (mathematics)Regional scienceArchaeologyMeteorologyComputer science

Résumé

récupéré en direct d'OpenAlex

In 1922, a firstever stationary general geographical field training for students of the Moscow University was held in the Moscow region. The paper is inspired by a hundred-year-old publication by a trainee, then student B. Shustov, which describes the reasons for organizing the students’ fieldwork at the geographical station in the Vereya district of Moscow Governorate, the place and the format of training, and the research program including mainly meteorological, geomorphologic, geodetic and biogeographic components. Due to various circumstances, the first experience of stationary training in the Moscow region went to nowhere. Later, there were further attempts to arrange a permanent base for training, but they became successful only after almost a quarter of a century. At the same time, the first experience of such training formed some initial principles for conducting general geographical research for educational and practical purposes in the Moscow area. The article also provides information about the author of the publication, B.S. Shustov, who after graduating from the university was for a decade and a half actively engaged in scientific and teaching activities at the Research Institute of Geography and at the geographical department (later - the faculty) of the Moscow State University, and then in the Ryazan oblast.

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 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)0,003
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0060,001
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,005

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 Opus0,039
Tête enseignante GPT0,286
Écart entre enseignants0,246 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLomonosov Geography Journal→Même sujetRegional Socio-Economic Development Trends→Travaux en français237 207→