MétaCan
Menu
Retour à la cohorte
Enregistrement W7070123925

Oral History Interview with Bud Rohling, May 18, 2006

2006· article· en· W7070123925 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe Portal to Texas History (University of North Texas) · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOral historyPacific oceanService (business)World War IIEast coastUnit (ring theory)China
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The National Museum of the Pacific War presents an oral interview with Bud Rohling. Rohling recalls volunteering for the service shortly after Pearl Harbor was attacked. He was called up in March, 1942 and went into flight training. After training, he was assigned to the 3rd Photo Reconnaissance Squadron. Rohling's first job was to fly over the coast of northern Canada and Alaska and take photographs. He mentions also flying over the coast of Russia and taking a few photographs there as well. From there, he was assigned to Gush Kara, India. Rohling's unit ferried fuel to China and they flew photo recon missions along the coast. They did that for seven months and then went back to McDill Air Force Base, Florida. Once he returned, Rohling was assigned to B-29 bombers. His next assignment was on Saipan where he ran photo recon missions over the home islands of Japan. Rohling describes participating in some fire bombing missions over Japan. Rohling recalls photographing the atomic attack on Nagasaki. When the war ended, Rohling had enough points to rotate home, but instead made a request to join General Curtis LeMay's headquartes staff and hopefully stay in the Marianas. He ended up in Tokyo making more reconnaissance flights before being transferred to the Philippines. At Manila, he separated from the service and started up a small airline compnay in the Philippines.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0750,020

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 Opus0,023
Tête enseignante GPT0,221
Écart entre enseignants0,198 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Portal to Texas History (University of North Texas)Même sujetGenetics, Bioinformatics, and Biomedical ResearchTravaux en français237 207