Enregistrement W4387430255 · doi:10.1007/978-3-031-45275-8

Discovery Science

2023· book· en· W4387430255 sur OpenAlexfundno aff

Notice bibliographique

RevueLecture notes in computer science · 2023

Typebook

Langueen

DomaineBusiness, Management and Accounting

ThématiqueBig Data and Business Intelligence

Établissements canadiensnon disponible

Organismes subventionnairesInstituto Superior TécnicoInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementHögskolan i HalmstadUniversité de Caen NormandieNational Institute of InformaticsUniversity of BristolUniversité François-RabelaisUniversidade Estadual PaulistaUniversidad de CádizUniversiteit van TilburgInstituto Politécnico do PortoUniversidade do MinhoRheinische Friedrich-Wilhelms-Universität BonnInstitut "Jožef Stefan"Universidad de CórdobaUniversity of CyprusUniverza v LjubljaniUniversità di PisaCentre de Coopération Internationale en Recherche Agronomique pour le DéveloppementUniversità della CalabriaAalto-YliopistoUppsala UniversitetMasarykova UniverzitaStockholms UniversitetUniversidade do PortoUniversidad de GranadaUniversidade de CoimbraBirmingham City UniversityAristotle University of ThessalonikiKing Abdullah University of Science and TechnologyJohannes Gutenberg-Universität MainzUniversidad Politécnica de MadridRégion NormandieUniversiteit UtrechtUniversity of ReginaInstitut National de la Recherche AgronomiquePolitechnika PoznańskaUniversité de MontpellierHelsingin YliopistoUniversidade Federal do ABCUniversità degli Studi di MilanoUniversidade de São PauloUniversidade Federal de UberlândiaUniversiteit LeidenUniversidad Pública de NavarraUniversity of South FloridaUniversidade de LisboaUniversity of WaikatoUniversität BielefeldUniversidad Politécnica de CartagenaUniversity of OttawaUniversità degli Studi di Napoli Federico II

Mots-clésComputer scienceFocus (optics)Artificial intelligenceNatural language processing

DOI10.1007/978-3-031-45275-8

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)0,003

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: aucune

GenreSignal candidat: Autre · Signal consensuel: Autre

Score de désaccord entre enseignants0,054

Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,001	0,003
Méta-épidémiologie (sens strict)	0,001	0,001
Méta-épidémiologie (sens large)	0,001	0,001
Bibliométrie	0,002	0,002
Études des sciences et des technologies	0,001	0,003
Communication savante	0,005	0,006
Science ouverte	0,001	0,003
Intégrité de la recherche	0,002	0,003
Charge utile insuffisante (le modèle a refusé de juger)	0,054	0,027

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 Opus0,045

Tête enseignante GPT0,280

Écart entre enseignants0,235 · 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 présentnon

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueLecture notes in computer science→Même sujetBig Data and Business Intelligence→Travaux en français237 207→