Two stars on chemistry horizon (of V. E. Bogdanovskaya and V. N. Ipatiev 150th anniversary)
Notice bibliographique
Résumé
Until the first quarter of 20th century women could not obtain higher education in Russia. Lev \nGumilev commented that only most passionate of them could do it. Their quantity was not even \ndozens; only few names are known. Nevertheless, some chemists we can reveal among them, \nnamely Maria Bakulina, Margaret von Wrangel, Vera Balandina, Vera Bogdanovskaya, Anna \nVolkova, Vera Glebova, Julia Lermontova, and Lina Shtern. This paper is devoted to one of \nthem, namely Vera Evstafevna Bogdanovskaya-Popova. She was not only experimental chemist, but also the author of one of the first original Russian school textbooks in chemistry. In the history \nof chemistry in our country we can find another amazing person who has not received special \nchemical education, i. e., did not obtain the University degree in this specialty. Nevertheless, his \nworks in organic chemistry were so brilliant that he has received international recognition, as well \nas it was confirmed by his Academician degree. His name is Vladimir Nikolayevich Ipatiev. Both \nof these scientists will celebrate soon (the year 2017) the 150th anniversaries of their birthdays. \nRefs 22. Figs 9.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».