Notice bibliographique
Résumé
A dataset containing 201508 species occurrences available in GBIF matching the query: { "and" : [ "Country is French Guiana", { "or" : [ "PublishingCountry is United States of America", "PublishingCountry is Netherlands", "PublishingCountry is United Kingdom of Great Britain and Northern Ireland", "PublishingCountry is Sweden", "PublishingCountry is French Guiana", "PublishingCountry is Germany", "PublishingCountry is Brazil", "PublishingCountry is Colombia", "PublishingCountry is Switzerland", "PublishingCountry is Estonia", "PublishingCountry is Belgium", "PublishingCountry is Poland", "PublishingCountry is South Africa", "PublishingCountry is Canada", "PublishingCountry is Spain", "PublishingCountry is Austria", "PublishingCountry is Australia", "PublishingCountry is New Zealand", "PublishingCountry is Japan", "PublishingCountry is Mexico", "PublishingCountry is Argentina", "PublishingCountry is Denmark", "PublishingCountry is Norway", "PublishingCountry is Ghana", "PublishingCountry is Bulgaria", "PublishingCountry is Finland", "PublishingCountry is Costa Rica" ] } ] } The dataset includes 201508 records from 393 constituent datasets; see https://api.gbif.org/v1/occurrence/download/0010333-171219132708484/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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,147 |
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; les deux têtes enseignantes 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 ».