Mind Technologies: Humanities Computing And the Canadian Academic Community
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent years, the application of computing technology to the arts and humanities has been a topic of increased focus in the post-secondary environment. With growing understanding of how these applications can serve the ongoing mission of humanities research, teaching, and training, technology is playing a larger role than ever before in these disciplines. Arising in part from a joint venture between the Consortium for Computers in the Humanities / Consortium pour ordinateurs en sciences humaines (COCH/COSH; now SDH/SEMI, the Society for Digital Humanities / SociA (c)tA (c) pour l'A (c)tude des mA (c)dias interactifs) and the Social Sciences and Humanities Research Council (SSHRC), Mind Technologies: Humanities Computing and the Canadian Academic Community is the first volume to broadly document the internationally significant work of the Canadian academic community in the area of humanities computing. With Contributions By: Michael Best John Bonnett Susan Brown Alan Burk Terry Buttler Lisa Charlong James Chartrand Charles Clarke Patricia Clements Renee Elio Natasha Flora Paul Fortier Scott Gerrity Robert Good Sean Gouglas Nicholas Griffin Isobel Grundy Ian Lancashire Peter Liddell Karen McCloskey Murray McGillivray Andrew Mactavish France Martineau David Moorman Aimee Morrison Stephen Reimer Geoffrey Rockwell Ray Siemens Stefan Sinclair David Strangway Elaine Toms Christian Vandendorpe Russon Wooldridge
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle