MétaCan
Menu
← Retour à la cohorte
Enregistrement W6949704627 · doi:10.5281/zenodo.3775706

Mapping historical Mississauga: Uncovering the city's changing landscapes online using historical maps and digital data

2018· article· en· W6949704627 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensUniversity of TorontoOntario Council of University Libraries
Organismes subventionnairesnon disponible
Mots-clésGeospatial analysisGeoportalPopulationPresentation (obstetrics)GeographerGeographic information system

Résumé

récupéré en direct d'OpenAlex

The City of Mississauga is very young by Canadian standards, becoming a town in 1968 and reaching city status in 1974. In this short time, Mississauga has evolved from a loose rural grouping of villages and hamlets with a combined population of about 95,000 to being the sixth largest city in Canada with a population today of over 720,000. For better or worse, Mississauga is often held up as a case study of post-World War II urban change, and as an emergent Canadian suburb. One of the best resources for exploring this change is through the use of maps and digital data. The Scholars GeoPortal, a geospatial data discovery and delivery service, provides access to hundreds of maps and geospatial datasets related both to modern day and historical Mississauga, some of which also provide coverage on a national scale. Our presentation will highlight many of these resources and outline how they can provide research impact in various disciplines. By allowing researchers to track the development of Mississauga using maps and data that span the most important decades of the city's history, the Scholars GeoPortal provides a means to discover, analyse, visualize, and teach historical Mississauga.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,936

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,009
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,087
Tête enseignante GPT0,298
Écart entre enseignants0,211 · 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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetIndigenous Health, Education, and Rights→Travaux en français237 207→