MétaCan
Menu
← Retour à la cohorte
Enregistrement W6948609633 · doi:10.5281/zenodo.10090364

D6.4 – Use Cases System Integration, Deployment & Experimentation V1

2023· article· en· W6948609633 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensFonds de Recherche du Québec – Nature et Technologies
Organismes subventionnairesEuropean Commission
Mots-clésDeliverableSoftware deploymentAdaptation (eye)System deploymentSAFERWork (physics)

Résumé

récupéré en direct d'OpenAlex

The Deliverable 6.4 of the MOBISPACES project "Use Cases System Integration, Deployment & Experimentation v1" describes the development of the Use Cases of MOBISPACES. For each of the five Use Cases, the document investigates the integration with MOBISPACES systems, the level of deployment and the experimentation done so far. In spite of the short time of development, a preliminary evaluation of the results of each Use Case is presented, in order to give evidence of their potential. In the first months of the project, the main activities held by Use Cases have been the definition of the architecture and the setting of the interfaces between the Use Cases and the general MOBISPACES architecture. Each individual architecture is depicted and described in this Deliverable as an instantiation of the MOBISPACES architecture. The Use Cases have the objective to validate the added value and the effectiveness of MOBISPACES, thus, the Deliverable focuses on the exploitation and adaptation of the different MOBISPACES components to the real situations of the Use Cases. Then, each Use Case has its own requirements, described in Deliverable 6.1. The document aims to confirm, given the preliminary results obtained, the reachability of the requirements and the feasibility of the work configured.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,032
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0080,004
Science ouverte0,0030,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0360,031

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.

Tête enseignante Opus0,141
Tête enseignante GPT0,255
Écart entre enseignants0,114 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetPlant and animal studies→Travaux en français237 207→