Notice bibliographique
Résumé
At this point I would like to express my gratitude to everyone that helped me in the process of writing this thesis. First, and definitely most important, I want to thank my supervisor, Univ.-Prof. Dr. Alexander Ostermann, for the supervision and tremendous support throughout the development of my thesis and beyond. I also want to thank Dipl-Ing. Stefan Rainer for introducing me to the topic of my thesis, the fruitful discussions, as well as the enormous patience and time he devoted to my questions and problems. As parts of this thesis were developed at the McMaster University in Canada I want to thank my supervisor Prof. Nicholas Kevlahan, for supporting me not only during the research, but also during my whole exchange at McMaster. I also want to take this opportunity to thank the Joint Study Program of the University of Innsbruck that made the one year exchange possible. My gratitude also goes to my colleagues at both Universities like Katharina, Christian, Georg, Tobias and Julian, for supporting me during my studies with an open ear for questions and welcome distractions, if needed. For the technical support with the computation systems used in the example part of this thesis, I want to thank Martin Pöll and the whole ZID team of the University of Innsbruck. Apart of this I want to thank Linda Quehenberger and Andreas Holzmann for linguistic assistance. My gratitude also goes to my family and friends for the support and giving me the opportunity to study. I want to thank the Tiroler Wissenschaftsfond for the financial support
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,326 | 0,257 |
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 ».