To my sister Maguy To my fiancée Petty Acknowledgements
Notice bibliographique
Résumé
I would like to thank the many individuals who have made this thesis possible. I am especially grateful to my supervisor, Dr. Robert L. Probert, who helped choose the thesis topic and provided guidance, valuable support and encouragement during this research. My thanks also go to the faculty, staff, and friends of Notre Dame University, especially to Fr. Boutros Tarabay and Mr. Abdallah Abi Aad, for their support and encouragement while pursuing my graduate education. I would also like to thank Dr. Stan Matwin from the University of Ottawa and Dr. Tony White from the University of Carleton for their valuable suggestions and comments. I would also like to thank Louise Desrochers and Marie-Jo Worral for their unconditional help. My thanks also go to IBM Canada ltd., especially Joe Wigglesworth, Terry Lau, Paul Sims, Maurus Cappa, Behrad Ghazizadeh, and Philip Day, for their support, comments, suggestions, and encouragement throughout this research. I would also like to thank Spiro Bittar, Tarek Rahal, Claude Jabre, and Rabih Keserwani for their unconditional support and help while implementing and testing case studies conducted throughout this research. My thanks also go to Wael Hassan and Nour El-Kadri for their unconditional help and valuable suggestions. My deepest thanks go to my family (my father Doumit, my mother Mary, my brothers Mark and Vany, and my sister Maguy), whose support and encouragement have helped me pursue my education. Last but not least, my deepest love goes to my fiancée Petty for her love, support, sacrifice, and understanding during the whole period that went into pursuing my graduate studies, conducting this research, and writing this thesis. Table of contents
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,021 |
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 ».