MétaCan
Menu
← Retour à la cohorte
Enregistrement W7034332935

Some Notable Discoveries in Organosilicon Chemistry: Proceedings of the History and Retrospective Session of the 34th Organosilicon Symposium (2001)

2001· article· en· W7034332935 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarship@Western (Western University) · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrganosiliconGeorge (robot)ExhibitionSilicon carbide
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The 34th Organosilicon Symposium at White Plains, NY, in 2001 featured a History and Retrospective Session, during which invited speakers from academic and industrial laboratories recounted the path to some significant 20th century discoveries in organosilicon chemistry. The Si=C Story: The Way it Happened, Adrian G. Brook (University of Toronto) The Discovery of Stable Disilenes and Silylenes, Robert West (University of Wisconsin) Yellow Fever: The Story Behind the Synthesis of Germasilenes, Kim M. Baines (University of Western Ontario) Direct Synthesis of Tris(dimethylamino)silane, William B. Herdle (OSi Specialties, formerly of Union Carbide Corporation) Discovery of Tin and Phosphorus Effects on the Direct Synthesis of Methylchlorosilanes, Larry H. Wood (Dow Corning Corporation) Discovery of Methylchlorosilylene (CH3SiCl) as a Key Intermediate in the Direct Synthesis of Dimethyldichlorosilane ((CH3)2SiCl2), Kenrick M. Lewis (OSi Specialties, formerly of Union Carbide Corporation) The First Platinum-Catalyzed Hydrosilylation With Supported Platinum Catalysts, George H. Wagner (Retired, formerly of Union Carbide Corporation) The Discovery of Silicone Surfactants for Polyurethane Foam, Bernard Kanner (Retired, formerly of Union Carbide Corporation) The Discovery of Silane Coupling Agents, Bernard Kanner (Retired, formerly of Union Carbide Corporation)

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0070,003
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0140,005

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 Opus0,046
Tête enseignante GPT0,294
Écart entre enseignants0,247 · 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
GenreSynthèse

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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship@Western (Western University)→Même sujetDiverse Aspects of Tourism Research→Travaux en français237 207→