Notice bibliographique
Résumé
REMERCIEMENTS Dans un premier temps, nous voudrions remercier ici toutes les personnes et institutions qui nous ont patiemment reçu ainsi que toutes les familles et malades qui ont bien voulu prendre de leur précieux temps pour répondre aux questionnaires. Nous remercions également, dans un second temps, l’équipe d’Aide Médicale Internationale qui a commandé et financé cette étude, notamment son délégué général (Gil Collard) et sa responsable de programme (Barbara Bessier) ainsi que l’Union Européenne pour son soutien financier qui a rendu possible la présente consultation. Nous remercions spécialement Philippe Bonhoure et toute son équipe pour leur soutien intellectuel et moral lors de cette mission. Nous pensons particulièrement aux deux superviseurs de l’enquête, Sher Sha et Shahibullah ainsi qu’aux différents enquêteurs ayant contribué à la qualité des données collectées auprès des ménages. Le directeur de l’hôpital de Metherlam, Abdul Satar, nous a également été d’un grand secours ainsi que l’ensemble du personnel et spécialement les membres du comité de gestion (HMT). Slim Haddad, de l’Université de Montréal, nous a donné l’autorisation d’adapter le questionnaire à l’intention des ménages. Daniel Reinharz, de l’Université Laval, nous a soutenu dans l’analyse des données de cette enquête. Nous les remercions tous les deux. Nous remercions enfin, le Ministère de la Santé de l’Afghanistan pour avoir partagé avec nous toute leur connaissance de la situation. EQUIPE DU PROJET D’ÉVALUATION ii
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,848 | 0,788 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».