Mapping cognition across lab and daily life using experience-sampling
Notice bibliographique
Résumé
This dataset contains 8459 multidimensional experience-sampling (mDES) probes from a sample of 370 different subjects in lab and daily life settings across Canada and the UK, collected from 2017 to 2022. mDES data includes 9 items as well as data regarding subjects' activity, social environment, and physical location at the time of probing. This dataset is an aggregation of 5 previously published datasets, referenced in the 'dataset' column of the dataframe. The datasets' previous publications are: Konu et al., 2020 ("konu2020"): mDES during a Go/No-Go task in fMRI in the UK. https://doi.org/10.1016/j.neuroimage.2020.116977 Ho et al., 2020 ("mckeown_pre"): mDES during daily life in the UK before the COVID lockdown. https://doi.org/10.1016/j.neuroimage.2020.116765 Konu et al., 2021 ("konu2021"): mDES during a battery of cognitive tasks in a lab setting in the UK https://doi.org/10.1016/j.concog.2021.103139 Mckeown et al., 2021("mckeown_post"): mDES during daily life in the UK during the COVID lockdown. https://doi.org/10.1073/pnas.2102565118 Mulholland et al., 2023 ("mulholland"): mDES during daily life in Canada after the COVID lockdown had been lifted. https://doi.org/10.1016/j.concog.2023.103530
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,007 |
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 tête enseignante, 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 ».