Notice bibliographique
Résumé
What's Changed 🛠 Breaking Changes Support clusters table in Diagnostics by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/765 ### 🎉 Exciting New Features Add save() and load() methods to MetaResult objects by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/771 Incorporate Estimator and Corrector descriptions into MetaResult objects by @tsalo in https://github.com/neurostuff/NiMARE/pull/724 Add cluster_threshold option to Diagnostics by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/777 Add CBMA workflow by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/761 [ENH] rudimentary support for nimads by @jdkent in https://github.com/neurostuff/NiMARE/pull/763 ### 🐛 Bug Fixes Do not zero out one-tailed z-statistics for p-values > 0.5 by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/693 ### Other Changes Support nibabel 5.0.0 by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/762 Link to NeuroStars software support category instead of neuro questions by @tsalo in https://github.com/neurostuff/NiMARE/pull/768 Revert "Do not zero out one-tailed z-statistics for p-values > 0.5" by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/769 [DOC] add note about SDM by @jdkent in https://github.com/neurostuff/NiMARE/pull/764 Replace pandas.DataFrame.append with pandas.concat by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/774 Major refactoring of Diagnostics module by @JulioAPeraza in https://github.com/neurostuff/NiMARE/pull/776 [DOC] add proper documentation to nimads module by @jdkent in https://github.com/neurostuff/NiMARE/pull/778 Full Changelog: https://github.com/neurostuff/NiMARE/compare/0.0.13...0.0.14rc1
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,011 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,366 | 0,531 |
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 ».