MétaCan
Menu
Retour à la cohorte
Enregistrement W4385072461 · doi:10.1093/micmic/ozad067.223

How David C. Joy Contributed to My Research in Electron Microscopy

2023· article· en· W4385072461 sur OpenAlexaffabout
Raynald Gauvin

Notice bibliographique

RevueMicroscopy and Microanalysis · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLibrary scienceArt historyMaterials scienceEngineering physicsArtEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

In the lines of a previous paper [1], this contribution will describe the strong influence that David C. Joy had in my research in electron microscopy.As a graduate student, in 1985, I developed my first Monte Carlo program following a paper by David Joy et al. [2] that describes the effect of Fast Secondary Electrons [FSE] on x-ray generation.Their simulations showed that FSE can generate a significant fraction of the x-rays for energy lines below 1 keV.My Monte Carlo simulations showed that FSE can make Cliff-Lorimer K factors composition dependant when one energy line is below 1 keV and the other above [3].I met David Joy the first time at the 1988 EMSA conference of Milwaukee where I asked him several technical questions.He was very nice to answer to a young student.Later, he accepted to be the external evaluator of my Ph.D. thesis that I defended in July 1990.After graduation, I started to work as Assistant Professor at University de Sherbrooke and we started to collaborate.I visited

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 distillée sur la base complète

Imitation des enseignants

Ni 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)0,003
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,362
Écart entre enseignants0,338 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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'admission2
Résumé présentoui

Explorer davantage

Même revueMicroscopy and MicroanalysisMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207