Notice bibliographique
Résumé
Release Notes This second release candidate for 0.0.10 includes a major overhaul of the Neurosynth fetching and conversion functions. The Neurosynth database now follows a very different file format, in order to match NeuroQuery's convention. We also have a new function to fetch NeuroQuery, and the Neurosynth conversion functions will work with NeuroQuery data as well. Changes [ENH] Support new format for Neurosynth and NeuroQuery data (#535) @tsalo [DOC] Update citation for Enge et al. (2021) (#549) @alexenge [FIX] Use resample=True in IBMA examples (#546) @tsalo [FIX] Extract relevant metadata in kernel transformers for Dataset-based transform calls (#548) @tsalo [DOC] Update ecosystem figure and documentation (#545) @tsalo [ENH] Do not apply IBMA methods to voxels with zeros or NaNs (#544) @tsalo [REF] Remove unused dependencies and unimplemented workflow (#541) @tsalo [DOC] Change napoleon settings (#540) @tsalo [ENH] Add ROI association decoder (#536) @tsalo [ENH] Add custom <code>__repr__</code> methods (#538) @tsalo [FIX] Update CircleCI config to fix recent bug (#537) @tsalo [ENH] Replace low_memory with memory_limit and reduce memory bottlenecks (#520) @tsalo
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 | 0,000 | 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,334 | 0,011 |
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.
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 ».