MétaCan
Menu
Retour à la cohorte
Enregistrement W4405944075 · doi:10.1007/979-8-8688-1061-9_15

Reinvent Reinforcement

2024· book-chapter· en· W4405944075 sur OpenAlexaff
Patrick Parra Pennefather

Notice bibliographique

RevueDesign Thinking · 2024
Typebook-chapter
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésReinforcementPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

When we practice something over and over again, like the scales on the piano that you’ve probably heard and maybe even played yourself, then you not only memorize the patterns, but you embody them over time. That means that your mind and body are together on this. You eventually play scales in a similar way as you ride a bike. The action of playing a scale never really leaves you, and as you grow up, even though your body changes, your fingers may get stiffer, you can start in and play a scale even though it might be slow at first. Eventually, your hands, fingers, wrists, arms, and the way you hold your body over the instrument get better. The process of wrapping your fingers around a scale involves the continued practice of something until it sticks. This repetitive process is similar when you play Beethoven’s Für Elise. You apply the flexibility and dexterity of the scales you learned and apply the finger and hand movement and coordination to eventually playing that piece of music. Of course, to read Beethoven’s Für Elise you also have to learn how to read the standards of writing that evolved over centuries and were used by Beethoven. Before you play Für Elise completely in front of anyone, you practice. You play through hundreds, if not thousands, of times until you have maybe even memorize it, and you feel confident to play it in front of other people. You embody the technique necessary to play Für Elise, and you reinforce your capacity to play it through countless hours of practice and discipline.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,239

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0020,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0720,011

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 Opus0,337
Tête enseignante GPT0,344
Écart entre enseignants0,007 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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 revueDesign ThinkingMême sujetBehavioral and Psychological StudiesTravaux en français237 207