MétaCan
Menu
Retour à la cohorte
Enregistrement W4392357392 · doi:10.1021/acsorginorgau.4c00012

<i>ACS Organic &amp; Inorganic Au</i>’s 2023 Rising Stars Unveiled

2024· editorial· en· W4392357392 sur OpenAlexfundno aff
Franc Meyer, P. Shiv Halasyamani, Géraldine Masson

Notice bibliographique

RevueACS Organic & Inorganic Au · 2024
Typeeditorial
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésLicenseWorld Wide WebAttributionCommonsLibrary sciencePolitical scienceComputer scienceBusinessChemistryLawPsychology

Résumé

récupéré en direct d'OpenAlex

T he ACS Organic & Inorganic AuEditors proudly present a virtual special issue showcasing articles from 2023 Rising Stars in Organic and Inorganic Chemistry.This virtual special issue highlights the remarkable contributions of ten early career researchers in organic and inorganic chemistry.These early career researchers are addressing challenges and leading impactful research in both fundamental and applied aspects of chemistry.Each Rising Star has significantly contributed through peer-reviewed Articles, Letters, or Perspectives to the journal, culminating in the ACS Organic & Inorganic Au 2023 Rising Stars in Chemistry virtual special issue (Figure 1).Offering a snapshot of the discipline's diversity and depth, this virtual special issue provides novel insights and pathways for advancing research in organic and inorganic chemistry.To introduce you to these outstanding scientists and their work, short biographies and links to their contributions featured in this virtual special issue are listed below.We hope that exploring the achievements of these Rising Stars will inspire you, just as it has inspired us, and that you will find it enjoyable!We are molecular architects interested in designing new organometallic compounds having structure and/or bonding properties that can be used to develop new chemical space.

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)0,008
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: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0070,003
Science ouverte0,0020,001
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0210,013

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 Opus0,010
Tête enseignante GPT0,262
Écart entre enseignants0,252 · 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
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Organic & Inorganic AuMême sujetMachine Learning in Materials ScienceTravaux en français237 207