MétaCan
Menu
Retour à la cohorte
Enregistrement W4403674314 · doi:10.1038/s41467-024-53375-2

Trainees’ perspectives and recommendations for catalyzing the next generation of NeuroAI researchers

2024· article· en· W4403674314 sur OpenAlexafffund
Andrea I. Luppi, Jascha Achterberg, Samuel Schmidgall, Isil Poyraz Bilgin, Peer Herholz, Maximilian Sprang, Benjamin Fockter, Andrew Siyoon Ham, Sushrut Thorat, Rojin Ziaei, Filip Milisav, Alexandra M. Proca, Hanna M. Tolle, Laura E. Suárez, Paul S. Scotti, Helena M. Gellersen

Notice bibliographique

RevueNature Communications · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensMcGill UniversityUniversité de MontréalInstitut Universitaire de Gériatrie de MontréalMontreal Neurological Institute and Hospital
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesGates Cambridge TrustMitacsJohannes Gutenberg-Universität MainzBrightFocus FoundationDeutsches Zentrum für Neurodegenerative ErkrankungenImperial College LondonJoachim Herz StiftungNational Science Foundation
Mots-clésData scienceMEDLINEComputational biologyComputer scienceEngineering ethicsMedicineBiologyEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

At this critical juncture in the development of NeuroAI, we outline challenges and training needs of junior researchers working across AI and neuroscience. We also provide advice and resources to help trainees plan their NeuroAI careers. New developing area of NeuroAI at the intersection of neuroscience and artificial intelligence has many open challenges, one of which is training the new generation of experts. In this Comment, the authors provide resources and outline training needs and recommendations for junior researchers working across artificial intelligence and neuroscience.

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)0,044
score de la tête « metaresearch » (Gemma)0,117
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil0,231

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0440,117
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,008
Communication savante0,0120,012
Science ouverte0,0050,014
Intégrité de la recherche0,0290,036
Charge utile insuffisante (le modèle a refusé de juger)0,0220,010

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 Opus0,259
Tête enseignante GPT0,420
Écart entre enseignants0,161 · 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
DomaineIncitatifs
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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207