Notice bibliographique
Résumé
Nykypäivänä teknologian maailmassa kerätään tietoa erittäin paljon erilaisista tapahtumista, klikkauksista, tykkäyksistä, latauksista yms. Näiden avulla monet yritykset ja tahot pyrkivät kehittämään palveluitaan asiakkailleen tai muuten vain ymmärtämään oman palvelunsa toimintaa. Kerätystä datasta luodaan datasettejä, joissa on eri tapahtumista kerätty data koottu yhdeksi kokonaisuudeksi. Tämän myötä on datatiede nostanut päätään yritysten toiminnassa. Data-analyytikot ja datatieteilijät käyttävät datasettejään apuna luodessaan erilaisia taulukoita kerätystä datasta ja näin tulkitsevat dataa. Datatiede onkin nostanut päätään paljon nykymaailmassa, ja sen takia data-analyytikot sekä datatieteilijät ovatkin erittäin haluttuja työntekijöitä nykypäivän yrityksiin. \n \nJyväskylän ammattikorkeakoulu halusi saada tutkimusdataa omaan coADDVA-hankkeeseensa, Suomen rautatieliikenteestä sekä myös Suomen sekä Norjan erilaisista säätiedoista. Tavoitteena oli luoda toimiva datasetti, josta juna- ja säätietojen haku ja tarkastelu olisi sujuvaa luoden erilaisia aikasarja taulukoita hyödyntäen kerättyä dataa. Datasettiin haluttiin myös varmistaa jatkokehitys mahdollisuus tulevaisuuden varalle, jos Jyväskylän ammattikorkeakoulu haluaisi lisätä datasettiin eri palveluiden dataa. \n \nToimeksianto toteutettiin käyttäen Python-ohjelmointikieltä, joka on nykypäivänä yksi käytetyin ohjelmointikieli datatieteessä datan tulkitsemiseen. Itse tietokanta luotiin käyttäen apunaan ERD-malleja sekä keskustellen toimeksiantajan kanssa yhdessä luoden mahdollisimman toimivan tietokantarakenteen datasettiä varten. \n \nAikaansaatiin datasetti, joka sisälsi suurimman osan halutusta datasta, jota toimeksiantaja halusi datasettiinsä. Todettiin, että datasetti oli toimiva toimeksiantajan käyttötarkoituksiin ja siihen mahdollistettu jatkokehitys oli toimiva.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,074 |
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 ».