Notice bibliographique
Résumé
Dalam analisis cluster mempelajari hubungan interdependensi antara seluruh set variabel perlu diteliti. Tujuan utama analisis cluster adalah mengekelompokkan obyek (elemen) seperti orang, produk (barang), toko, perusahaan ke dalam kelompok-kelompok yang relatif homogen berdasarkan pada suatu set variabel yang dipertimbangkan untuk diteliti. Obyek di dalam setiap kelompok harus relatif mirip/sama. Variabel-variabel pada cluster ini harus jauh berbeda dengan obyek dari cluster lain.Jika digunakan cara seperti ini maka analisis cluster merupakan bagian depan dari analisis faktor, dimana mereduksi (memperkecil) banyaknya obyek (responden) bukan banyaknya variabel atau atribut responden, yaitu mengelompokkan obyek-obyek tersebut kedalam cluster yang banyaknya lebih sedikit dari banyaknya obyek asli yang diteliti, misalnya dari 50 orang responden, dikelompokkan dengan 5 cluster dengan setiap cluster terdiri dari 10 orang. \n \nKata kunci : Cluster, mereduksi, interdependensi dan relatif sama
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 | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,122 | 0,054 |
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 ».