Notice bibliographique
Résumé
Bang, Haeun (Grace), University of North Carolina at Greensboro, NC Breitbach, Elizabeth, Darla Moore School of Business – University of South Carolina, Columbia, SC Burr, Brandon, Utah Valley University, Orem, UT Ceballos, Lina, Universidad EAFIT, Medellin, Colombia Chaney, Cassandra, Louisiana State University, Baton Rouge, LA Childs, Michelle, University of Tennessee, Knoxville, Knoxville, TN Cho, Soo Hyun, California State University, Long Beach, Long Beach, CA Choi, Juwon, North Dakota State University, Fargo, ND Das, Debanjan, West Virginia University, Morgantown, WV Earhart, Carla, Ball State University, Muncie, IN Fan, Lu, University of Georgia, Athens, GA Fisher, Patti, Virginia Tech, Blacksburg, VA Fu, Wei, Maryville College, Maryville, TN Goff, Emily, North Dakota State University, Fargo, ND Graves, Nicole, South Dakota State University, Brookings, SD Griesdorn, Tim, University of the Incarnate Word, San Antonio, TX Hancock, Natalie, Brigham Young University, Provo, UT Handy, Deborah, Washington State University, Pullman, WA Harden, Amy, Ball State University, Muncie, IN Herring, Angel, University of Southern MS, Hattiesburg, MS Huang, Shuyue, Mount Saint Vincent University, Halifax, Nova Scotia, Canada Huang, Yu Chih, Clemson University, Taiwan Hubler, Daniel, Weber State University, Ogden, UT Jai, Tun-Min, TX Tech University, Lubbock, TX Johnson, Olivia, University of Houston, Houston, TX Jones, Katie, West Virginia University, Morgantown, WV Kang, Ju-Young, University of Hawai'i, Honolulu, HI Kim, KyoungTae, University of Alabama, Tuscaloosa, AL Korankye, Thomas, University of Arizona, Tucson, AZ Lee, Jae Min, Minnesota State University, Moorhead, MN Lee, Jaeha, North Dakota State University, Fargo, ND Lee, Sunwoo, York University, Toronto, Ontario, Canada Lee, Yuri, Seoul National University, Seoul, Korea (the Republic of) Legendre, Tiffany, University of Houston, Houston, TX Levitt, Jamie, California State University, Fresno, Fresno, CA Lima, Joana, University of Evora, Evora, Portugal Lin, Shu-Hwa, University of Hawai'i, Honolulu, HI Ma, Weiyi, University of Arkansas, Fayetteville, AR Matthews, Delisia, NC State Univeristy, Raleigh, NC Ouyang, Congrong, Kansas State University, Manhattan, KS Park, Kwangsoo, Purdue University Northwest, Hammond, IN Park, Narang, University of Georgia, Athens, GA Park, Phillip, University of North Texas, Denton, TX Park, Seunghyun, St. John's University, Queens, NY Parsons, Jean, University of Missouri, Columbia, MO Pendergast, Donna, Griffith University, Nathan, Queensland, Australia Ray-Degges, Susan, North Dakota State University, Fargo, ND Rea, Jennifer, University of Minnesota, Moorhead, MN Rea, Jenny, University of Arizona, Tucson, AZ Rowley, Micheal, Illinois State University, Normal, IL Russell, Luke, Illinois State University, Normal, IL Sadachar, Amrut, Auburn University, Auburn, AL Scott, Brigitte, Virginia Tech, Blacksburg, VA Shen, Dong, Sacramento State University, Sacramento, CA Shephard, Arlesa, Buffalo State University, Buffalo, NY Skobba, Kimberly, University of Georgia, Athens, GA Song, Seobgyu, Kyungpook National University, Sangju, Korea (the Republic of) Stebbins, Richard, University of Alabama, Tuscaloosa, AL Terrell, Amanda, University of Arkansas, Fayetteville, AR Tuliao, Minerva D., Texas Tech University, Lubbock, TX Turgeson, Susan, University of Wisconsin – Stevens Point, Stevens Point, WI Vollmer, Rachel, Bradley University, Peoria, IL Wilmarth, Melissa, University of Alabama, Tuscaloosa, AL
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 | 0,042 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,009 | 0,002 |
| Communication savante | 0,021 | 0,009 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,016 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,440 | 0,402 |
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 ».