Notice bibliographique
Résumé
A dataset containing 40 species occurrences available in GBIF matching the query: { "and" : [ "BasisOfRecord is Human Observation", "CoordinateUncertaintyInMeters 0.0-14499.0", "DatasetKey is one of (Galiano Island BC Canada Marine Zoology 1893–2021, Happywhale - Killer Whale in North Pacific Ocean, Base de données Pecheker (modifiée). Museum National D'Histoire Naturelle - DEPARTEMENT MILIEUX PEUPLEMENTS AQUATIQUES, Observation.org, Nature data from around the World, Norwegian Species Observation Service, Happywhale - Killer Whale in Southern Ocean, Land-based observations of cetaceans in the waters of Beringa Island in 2007-2009, Inventaire des Mammifères de France - Inventaire des Mammifères marins de France (métropole et outre-mer), DOF/BirdLife Denmark - Observations from DOFbasen, Artportalen (Swedish Species Observation System), Jordal)", "Geometry POLYGON((-32.21869 12.28623,-5.81635 12.28623,-5.81635 44.96239,-32.21869 44.96239,-32.21869 12.28623))", "HasCoordinate is true", "HasGeospatialIssue is false", "OccurrenceStatus is Present", "TaxonKey is one of (Balaenoptera physalus (Linnaeus, 1758), Balaenoptera musculus (Linnaeus, 1758))", "Year 2005-2022" ] } The dataset includes 40 records from 1 constituent datasets; see https://api.gbif.org/v1/occurrence/download/0172308-220831081235567/datasets/export for details. Data from some individual datasets included in this download may be licensed under less restrictive terms.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,322 | 0,406 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».