MétaCan
Menu
Retour à la cohorte
Enregistrement W4403494985 · doi:10.4236/jamp.2024.1210200

Advancements in Time Modeling: Relationalism, Divisional Structures, and Geometry

2024· article· en· W4403494985 sur OpenAlexaff
Steven D.P. Moore

Notice bibliographique

RevueJournal of Applied Mathematics and Physics · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensMilton District Hospital
Organismes subventionnairesnon disponible
Mots-clésGeometryComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This article broadens terminology and approaches that continue to advance time modelling within a relationalist framework. Time is modeled as a single dimension, flowing continuously through independent privileged points. Introduced as absolute point-time, abstract continuous time is a backdrop for concrete relational-based time that is finite and discrete, bound to the limits of a real-world system. We discuss how discrete signals at a point are used to temporally anchor zero-temporal points [t = 0] in linear time. Object-oriented temporal line elements, flanked by temporal point elements, have a proportional geometric identity quantifiable by a standard unit system and can be mapped on a natural number line. Durations, line elements, are divisible into ordered unit ratio elements using ancient timekeeping formulas. The divisional structure provides temporal classes for rotational (Rt24t) and orbital (Rt18) sample periods, as well as a more general temporal class (Rt12) applicable to either sample or frame periods. We introduce notation for additive cyclic counts of sample periods, including divisional units, for calendar-like formatting. For system modeling, unit structures with dihedral symmetry, group order, and numerical order are shown to be applicable to Euclidean modelling. We introduce new functions for bijective and non-bijective mapping, modular arithmetic for cyclic-based time counts, and a novel formula relating to a subgroup of Pythagorean triples, preserving dihedral n-polygon symmetries. This article presents a new approach to model time in a relationalistic framework.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,012
Communication savante0,0060,015
Science ouverte0,0020,003
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,020
Tête enseignante GPT0,289
Écart entre enseignants0,269 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Mathematics and PhysicsMême sujetData Visualization and AnalyticsTravaux en français237 207