Notice bibliographique
Résumé
Though not Basque himself, Casey Kennington grew up on a dairy farm in rural Ontario, Oregon, U.S.A., where he first heard the word "Basque" and and met many Basques, including a high school teacher who helped him foster a love for computers. During his university studies, he spent extended amounts of time in Japan, France, and Germany, learning the languages of each country. Since 2016, Casey has been a faculty member of the Department of Computer Science at Boise State University, focusing his research on dialogue systems and natural language processing. His love of languages led him to learn about the Basque language, and, despite being a busy professor, take two semesters of Basque in 2021-2022 at Boise State University. While attending a conference in the Basque Country in 2023, he more deeply understood how unique the Basque people are and why their language is worth learning and preserving.\nEducation Ph.D. - Linguistics - Bielefeld University, Germany, 2016 MS - Cognitive Science - Nancy, France, 2011 MS - Computational Linguistics - Saarbrücken, Germany, 2011 BS - Computer Science - Brigham Young University, 2007 \nORCID: https://orcid.org/0000-0001-6654-8966
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».