Notice bibliographique
Résumé
Mrs. Argyle-t, a dúsgazdag, jótékony hölgyet, három leány és két fiú örökbe fogadó anyját holtan találják a nappalijában. Valaki piszkavassal szétverte a fejét. A rendőrség úgy véli, tudja, ki a tettes. Letartóztatják az egyik mostohafiút, Jackót, aki ellen vannak bizonyítékok - s akinek volna alibije, csakhogy az úrvezető, aki a gyilkosság időpontjában felvette a kocsijába, nem kerül elő. Jackót elítélik, és meghal a börtönben. Eltelik két esztendő. Dr. Calgary, a sarkkutató hazatér Angliába. Régi újságokat lapozva megdöbbentő hírre bukkan. Feltámadnak benne az emlékek. Két évvel azelőtti balesete, az amnézia# Tennie kell valamit. Dr. Calgary biztos benne, hogy a rendőrség tévedett. Cselekszik. Jackót törvényileg rehabilitálják. De a család nehezen elnyert békéje odavan. Mert ha nem Jacko, a fekete bárány a gyilkos, akkor ki? Csak a közvetlen környezet valamelyik tagja követhette el a szörnyű tettet. De kicsoda? A szelíd, tudós férj? A ragaszkodó, fiatal titkárnő? A cseléd? A lányok? A másik fiú? Még egy gyilkosságba és egy gyilkossági kísérletbe kerül, míg dr. Calgary levezekli "vétkét", és bravúros amatőr nyomozással felgöngyölíti az eredeti és az új bűnügyeket.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,480 | 0,002 |
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 ».