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
The dataset provides a comprehensive overview of various health and activity metrics tracked by Garmin devices over a specified monitoring interval. Each entry is uniquely identified by a distinct userId, facilitating individualized analysis and comparison across users. The temporal aspect of the data is captured through the calendarDate feature, denoting the date and time of each recorded observation in the format of mm/dd/yyyy. This temporal information enables temporal analysis and trend identification over the monitoring period. Activity levels are quantified through metrics such as steps and distanceInMeters, shedding light on users’ physical movement patterns and total distance traveled. Concurrently, the activeTime metric offers insights into the duration of active engagement, vital for assessing users’ overall activity levels and adherence to recommended physical activity guidelines.Moreover, the dataset includes essential physiological indicators such as heart rate and stress levels, crucial for understanding users’ overall health and well-being. Metrics like averageHeartRate and maxHeartRate provide insights into users’ cardiovascular health and exertion levels during the monitoring period. Meanwhile, stress-related metrics such as averageStressLevel and stressDurationInSeconds offer valuable information regarding users’ stress levels and the duration spent in various stress states. Additionally, sleep-related metrics such as sleepDurationInSeconds and deepSleepDuration provide insights into users’ sleep patterns and quality, essential for assessing overall sleep health and identifying potential sleep disorders. Overall, this dataset presents a rich source of information for researchers and practitioners interested in understanding users’ activity levels, physiological responses, and sleep patterns in the context of health monitoring and intervention strategies.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,103 |
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