MétaCan
Menu
Retour à la cohorte
Enregistrement W4395098119 · doi:10.1007/978-981-97-2242-6

Advances in Knowledge Discovery and Data Mining

2024· book· en· W4395098119 sur OpenAlexfundno aff
De-Nian Yang, Xing Xie, Vincent S. Tseng, Jian Pei, Jen-Wei Huang, Jerry Chun‐Wei Lin

Notice bibliographique

RevueLecture notes in computer science · 2024
Typebook
Langueen
DomaineComputer Science
ThématiqueData Mining Algorithms and Applications
Établissements canadiensnon disponible
Organismes subventionnairesChina University of GeosciencesNational Cheng Kung UniversityNational Taiwan University of Science and TechnologyUniversità di PisaUppsala UniversitetUniversidad de ZaragozaUniversity of DhakaUniversity of Illinois at Urbana-ChampaignNational Taiwan UniversitySyddansk UniversitetHokkaido UniversityNational Tsing Hua UniversityShanghai Jiao Tong UniversityPontificia Universidade Católica do ParanáUniversità degli Studi di PaviaShanxi UniversityNanjing University of Aeronautics and AstronauticsUniversity of Massachusetts BostonEast China Normal UniversityChang Gung UniversityChinese Academy of SciencesUniversity of Science and Technology of ChinaSouth Asian UniversityNanyang Technological UniversityMacquarie UniversityUniversity of PittsburghMassey UniversityIndian Institute of Technology DelhiChang Gung Medical FoundationNational Kaohsiung University of Science and TechnologyUniversité Paris-Est Créteil Val-de-MarneUniversity of MinnesotaPolitecnico di TorinoSwinburne University of TechnologyMcMaster UniversitySanta Clara UniversityNanjing UniversityNew Mexico State UniversityUniversity of Texas at ArlingtonDeakin UniversityUniversity of Maryland, Baltimore CountyGeorgia State UniversityArizona State UniversityBudapesti Műszaki és Gazdaságtudományi EgyetemOhio State University
Mots-clésComputer scienceKnowledge extractionData scienceData miningInformation retrieval

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0050,006
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 Opus0,025
Tête enseignante GPT0,310
Écart entre enseignants0,286 · 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'étudeAutre devis
Domainenon disponible
GenreMéthodes

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 présentnon

Explorer davantage

Même revueLecture notes in computer scienceMême sujetData Mining Algorithms and ApplicationsTravaux en français237 207