MétaCan
Menu
Retour à la cohorte
Enregistrement W4403027228 · doi:10.1117/12.3027639

The Montréal photonics networking event: lessons learned from online and in-person collaborative environments for graduate researchers

2024· article· en· W4403027228 sur OpenAlexaboutno aff
Matthew T. Posner, Odile Liboiron-Ladouceur, Mariia Zhuldybina, Vincent Hogue, Redwan Ahmad, Benjamin Crockett, Devika P. Nair, Jennyfer Zapata-Farfan, S. Deep, Tadeáš Hanuš

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvent (particle physics)Computer sciencePhotonicsMultimediaHuman–computer interactionMaterials scienceOptoelectronicsPhysics

Résumé

récupéré en direct d'OpenAlex

Montréal is home to over 100 companies and six universities with photonics activities that drive regional economic development. This paper provides an update on the Montréal Photonics Networking Event, an annual meeting heading into its’ 8th edition in 2024. The event’s stated mission is to build a collaborative environment for the development of student researchers, with the ambition to facilitate research synergies and connect with the industry to showcase research and career opportunities. Since 2015, online and in-person events have taken place, with a measured growth of 50% year-on-year, a cumulative reach of 600 participants, and the establishment of 30 partnerships with industry, photonics student chapters, research clusters, and socio-economic development partners. The event is coordinated by a network of volunteer students and professional's representative of the attendees and collaborators. Activities, promotional material, and marketing strategies to create audience engagement before, during, and after the event will be presented, along with lessons learned to enable peer-to-peer development online and in person across multiple academic research institutions.

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)0,034
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0100,006
Communication savante0,0220,013
Science ouverte0,0070,012
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0210,006

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 Opus0,492
Tête enseignante GPT0,469
Écart entre enseignants0,023 · 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.

Devis d'étudeQualitatif
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 sujetScientific Computing and Data ManagementTravaux en français237 207