A Classification of Elements of Sequence Space <em>Seq</em>(R)
Notice bibliographique
Résumé
The sequence space of all real-valued sequences, denoted Seq(R), is typically investigated through the lens of infinite-dimensional vector spaces, utilizing Banach space norms or Schauder bases. This work proposes a complementary, constructive classification based instead on the asymptotic limit profile encoded by the pair lim infan, lim supan. We demonstrate that this perspective naturally partitions Seq(R) into seven mutually disjoint macroscale blocks, covering behaviors from finite convergence to bounded and unbounded oscillation. For each block, we provide explicit closed-form representative sequences and establish that every constituent class possesses the cardinality of the continuum. Furthermore, we investigate the structural relationships between these blocks at two distinct levels of granularity. At the macroscale, we employ injective mappings to define an idealized connectivity graph, while at the microscale, we introduce a connection relation governed by the Hadamard (pointwise) product. This dual analysis reveals a rich directed graph structure where the block of finite convergent sequences functions as a global attractor with no outgoing connections. Statistical comparisons between the idealized and realized adjacency matrices indicate that the pointwise product structure realizes approximately two-thirds of the theoretically possible macroscale relations. Ultimately, this partition-based framework endows the seemingly chaotic space Seq(R) with a transparent, geometrically interpretable internal structure.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».