MétaCan
Menu
Retour à la cohorte
Enregistrement W7011320597

Magnetic Resonance and its Applications. Abstracts book. Saint Petersburg State University. April 23-29, 2017

2017· book· en· W7011320597 sur OpenAlexfundno aff

Notice bibliographique

RevueResearch Repository Saint Petersburg State University (Saint Petersburg State University) · 2017
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Scientific Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesGebze Teknik ÜniversitesiNatural Sciences and Engineering Research Council of CanadaKazan Federal UniversityBilim, Sanayi ve Teknoloji BakanliğiRussian Science FoundationCentre National de la Recherche ScientifiqueRussian Foundation for Basic ResearchGerman-Russian Interdisciplinary Science Center
Mots-clésSaint petersburgSt petersburgState (computer science)Magnetic resonance imagingResonance (particle physics)Electromagnetic radiationObject (grammar)Reputation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The International Youth School-Conference “Magnetic resonance and its application” SPINUS-2017 will be held at the St. Petersburg State University in the 14th time. In modern physics, the term “magnetic resonance” refers to a set of phenomena accompanied with the emission or absorption of electromagnetic waves of the radiofrequency diapason by quantum systems (nuclei, electrons, atoms, molecules, etc.). These phenomena, the physical nature of which is of independent interest, provided the basis of radiospectroscopic methods for studying the structure of matter and physico-chemical processes in it. These methods, being contactless, do not destroy an object under a study, that makes them unique and in demand not only in physics and chemistry, but also in medicine, geology, biology, archeology. Now, any medical center with high reputation has a magnetic resonance imaging (MRI).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,546

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1630,153

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 Opus0,021
Tête enseignante GPT0,248
Écart entre enseignants0,227 · 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
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Repository Saint Petersburg State University (Saint Petersburg State University)Même sujetAdvanced Scientific Techniques and ApplicationsTravaux en français237 207