Notice bibliographique
Résumé
During May, 2017, five exceptional undergraduate students from across the University of Toronto will join the iSquare Team, as part of the Jackman Scholars-in-Residence Program. To begin, the Scholars will be introduced to the iSquare Research Program, arts-informed visual methods, and the draw-and-write technique. Next, they will gather a new visual data set--JHiSquares—from 45 other Scholars-in-Residence; and they will learn how to manage this visual data in digital and print formats. To synthesize their experience, the group will engage the iSquare team’s Artist-in-Residence (Ms. Rebecca Noone, doctoral student) to envision and then create an arts-informed deliverable (e. g. an exhibition or performance) that captures their personal insights into the project; this research output will be shared with the JHI community. Finally, the Scholars will work with the iSquare team’s Data Manager (Ms. Stephanie Power, Faculty of Information alumna) to preserve the JHiSquares in the University of Toronto’s Dataverse, and then take the initial steps to ensure long-term access to the corpus. Ms. Christie Oh, doctoral candidate at the Faculty of Information, will assist throughout as the project's Education Manager. Overall, the Scholars-in-Residence will spend a month at a fertile site of arts-informed inquiry and experience the entire knowledge production process, that is: data creation, management, analysis, dissemination, and preservation. In return, the iSquare Research Program will be infused with the energy and new ideas from a youthful, undergraduate perspective. For more: http://www.isquares.info/jhisquares-blog
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,117 | 0,078 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».