MétaCan
Menu
Retour à la cohorte
Enregistrement W4408928818 · doi:10.3389/fdgth.2025.1484521

Interactive Panel Summaries of the 2024 Voice AI Symposium

2025· review· en· W4408928818 sur OpenAlexaff
Jean‐Christophe Bélisle‐Pipon, James Anibal, Ruth Huntley Bahr, Steven Bedrick, Oita C Coleman, David A Dorr, Barbara J. Evans, Guy Fagherazzi, Alexander Gelbard, Satrajit Ghosh, Anita Ho, Christie Jackson, Dale Joachim, Lampros Kourtis, Andrea Krussel, Amir Lahav, Breanna Leuze, Bob MacDonald, Matthew R. Naunheim, Maria Powell, Anaïs Rameau, Sat Ramphal, Vardit Ravitsky, Charlie Reavis, Samantha Salvi Cruz, Jamie Toghranegar, Adam P. Vogel, Stephanie Watts, Joseph Yracheta, Robin Zhao, Yaël Bensoussan

Notice bibliographique

RevueFrontiers in Digital Health · 2025
Typereview
Langueen
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensUniversité de MontréalSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPanel discussionViewpointsEvent (particle physics)ConversationComputer scienceTranscription (linguistics)MultimediaDialog boxWorld Wide WebPsychologyVisual artsCommunicationLinguistics

Résumé

récupéré en direct d'OpenAlex

The 2024 Voice AI Symposium presented by the Bridge2AI-Voice Consortium, was a 2-day event which took place May 1st-May 2nd in Tampa, FL. The event included four interactive panel sessions, which are summarized here. All four interactive panels featured an innovative format, designed to maximize engagement and facilitate deep discussions. Each panel began with a 45 min segment where moderators posed targeted questions to expert panelists, delving into complex topics within the field of voice AI. This was followed by a 45 min "stakeholder forum," during which audience members asked questions and engaged in live interactive polls. Interactive polls stimulated meaningful conversation between panelists and attendees, and brought to light diverse viewpoints. Workshops were audio recorded and transcripts were assembled with assistance from generative A.I tools including Whisper Version 7.13.1 for audio transcription and ChatGPT version 4.0 for content summation. Content was then reviewed and edited by authors.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,881

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,317
Écart entre enseignants0,288 · 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 tête enseignante, 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Digital HealthMême sujetTopic ModelingTravaux en français237 207