Notice bibliographique
Résumé
My first and foremost thanks go to my supervisors, Andreas Haufler and Michael Pflüger, for their continuous stream of ideas, attention, critical comments and encouragement. Andreas Haufler always had his door, and above all mind, open for all the major and minor questions that arose, which proved extremely helpful to me. Michael Pflüger not only gave me many valuable comments on my different research projects on workshops; he also always took the time to help me on the phone when I needed advice. I am indebted to Hyun-Ju Koh and Johannes Rincke, for a very stimulating exchange of ideas and the time and effort they invested in our joint projects, which I enjoyed and from which I learned a lot. During my work on this thesis, I benefitted from many fruitful conversations with fellow graduate students at the Munich Graduate School of Economics and the Bavarian Graduate Program in Economics, which I also thank for financial and logistic support. Further thanks go to Christoph Luelfesmann (who rendered a nice and productive stay at Simon Fraser University, BC, Canada, possible) and to the other colleagues at the Seminar for Economic Policy for the many little and larger helps and the nice atmosphere. Also, I am grateful to Martin Kocher for being the third member of my thesis committee. Many, many thanks go to Kathrin Kolb for continuous encouragement and a lot of different perspectives on all the things that were important to me in this phase of my life. I am forever indebted to my family who encouraged and supported me throughout all the years of my education.
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 | 0,009 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,468 | 0,322 |
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 ».