MétaCan
Menu
Retour à la cohorte
Enregistrement W4392873370 · doi:10.1088/1742-6596/2725/1/011001

Conference on Research and Innovations in Science and Technology of Material (CRISTMAS 2023)

2024· article· en· W4392873370 sur OpenAlexaboutno aff

Notice bibliographique

RevueJournal of Physics Conference Series · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScience, technology and societyEngineering ethicsEnvironmental scienceEngineeringSociologySocial science

Résumé

récupéré en direct d'OpenAlex

École Nationale Supérieure de Chimie de Paris, ParisTech, France 13-15 December 2023 This collection focuses on the recent innovations in Materials Science and advanced characterisations methods presented at the Conference on research and Innovations in Science and Technology CRISTMAS 2023. It covers topics ranging from advances in the most critical aspects in chemistry and material fabrication of nanomaterials, to the engineering of prototype devices and systems. Editorial Board: • Anna Baldycheva, University of Exeter, UK • Pavel Ginzburg, Tel Aviv University, Israel • Alexander Gumennik, Indiana University, USA • Andrei Gorodetsky, University of Birmingham, UK Scientific and Organising Committee: Anna Baldycheva, University of Exeter, UK Andrei Gorodetsky, University of Birmingham, UK Jèrome Tignon, Sorbonne University & Ècole Normale Superieure, France Pavel Ginzburg, Tel Aviv University, Israel Alexander Gumennik, Indiana University, USA Ben Hogan, Queen’s University, Canada Iveta Steblevska, Queen’s University, Canada Hani Bahrum, Tel Aviv University, Israel

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,183
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,004
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,058
Tête enseignante GPT0,362
Écart entre enseignants0,304 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetMachine Learning in Materials ScienceTravaux en français237 207