MétaCan
Menu
Retour à la cohorte
Enregistrement W4404563006 · doi:10.1109/tiv.2024.3502532

Retraction Notice: From Formula One to Autonomous One: History, Achievements, and Future Perspectives

2024· article· en· W4404563006 sur OpenAlexaff
Bai Li, Ting Gao, Siji Ma, Youmin Zhang, Tankut Acarman, Kai Cao, Tian’ao Xu, Tantan Zhang, Fei‐Yue Wang

Notice bibliographique

RevueIEEE Transactions on Intelligent Vehicles · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésExpression (computer science)Computer science

Résumé

récupéré en direct d'OpenAlex

This letter is the first report from a series of IEEE TIV's Decentralized and Hybrid Workshops (DHWs) on Intelligent Vehicles for Education (IV4E). The role of intelligent vehicles in promoting education for all ages through autonomous racing was discussed during a recent DHW. Over the past decade, autonomous racing has emerged due to advancements in self-driving technologies. While still focused on extreme speed, autonomous racing differs from conventional automobile racing in its development philosophy, as human drivers are no longer involved. The absence of human drivers should be regarded as a new chance to increase competitiveness and entertainment value. This letter discusses opportunities to promote education-oriented autonomous racing. Recall that the flagship car race is Formula 1, where “formula” denotes technical restrictions that should be satisfied strictly. We name the new race series Autonomous 1 or A1, leveraging the power of autonomous intelligence in education. The achievements made in Formula 1 and typical autonomous races are reviewed, followed by discussions about A1’s future perspectives. Specifically, A1 needs to maintain race consistency, update rules, and provide personalized commentary to support all-age education.

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)0,004
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0090,021
Charge utile insuffisante (le modèle a refusé de juger)0,0120,011

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 Opus0,061
Tête enseignante GPT0,332
Écart entre enseignants0,271 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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 revueIEEE Transactions on Intelligent VehiclesMême sujetPharmaceutical studies and practicesTravaux en français237 207