Notice bibliographique
Résumé
This Trends Package has been developed by Suzanne Stein, Super Ordinary Lab, OCAD University, and Scott Smith, Changeist. Draft trends from which the package was developed were collected via two Trend Workshops held 29 June and 6 July 2010, at Strategic Innovation Lab (sLab), OCAD University, Toronto. Workshop contributors included participants from the project partnership and from the Cluster. This document is a product of our ‘horizon scanning’ process. Trends and Countertrends represent directional patterns in data, a rising tide of signals, in which, for example, a critical mass of headlines about people using Facebook to call for help in emergency situations points to a larger trend regarding the increasing mission-critical importance of social networks. To date we have identified more than sixty trends at the project website. 2020 Media Futures is a multi-industry strategic foresight project designed to understand and envision what media may look like in the year 2020; what kind of cross-platform Internet environment may shape our media and entertainment in the coming decade; and how Ontario firms take action today toward capturing and maintaining positions of national and international leadership. The project asks: In the face of sweeping and disruptive changes driven by the Internet, how can we help companies in the book, film, interactive, magazine, music and television industries — Ontario’s Creative and Entertainment Cluster — to better identify emerging opportunities, create more resilient strategic plans and partnerships, boost innovation, and compete in increasingly demanding global markets?
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,362 | 0,205 |
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 ».