MétaCan
Menu
Retour à la cohorte
Enregistrement W7097415935

Swe88] J. A. Swets, Measuring the accuracy of diagnostic systems, Science, 240(4857): 1285-

2000· article· en· W7097415935 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueRecommender Systems and Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCollaborative filteringRecommender systemQuality (philosophy)Information filtering systemPersonalization
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

dition, 1991. [Sho92] L. Shoshana, Architechtng Personalized Delivery of Multimedia Information, CACM, 35(12), 39-50, December 1992. [SKB+98] B. M. Sarwar, J. A. Konstan, A. Borchers, J. L. Herlocker, B. N. Miller, and J. Riedl, Using Filtering Agents to Improve Prediction Quality in the Groupiens Research Collaborative Filtering System. In Proc. ACM Conf Computer Support Cooperativ Work (CSCVO 1998, Seattle, WA., page 345-354 Novemer 1998. [SKR99] J. B. Schafer, J. Konstan, and J. Riedl, Recommender Systems in E-Commerce, ACM Conf. Electronic Commerce (EC-99), Denver, CO, pages 158-166, November 1999. [SMc83] G. Salton and M. J. McGill, Introduction to Modern Information Retrieval, McGraw- Hill, 1983. [SM95] U. Shardanand and P. Maes, Social information filtering: Algorithms for automating "word of mouth." In Proc. 1995 ACM Conf. Human Factors in Computing Systems, New York, NY, pages 210-217, 1995. BmiIOGmPh'Y 101 [HCC98] J. Han, S. Chee, and J. Y. Chiang, Issues for On-Line

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0030,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,252
Écart entre enseignants0,229 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRecommender Systems and TechniquesTravaux en français237 207