Notice bibliographique
Résumé
Imagineu que un amic us relata què va fer durant el cap de setmana, o que sou vosaltres qui ho expliqueu a alguna persona o que ho rememoreu per a vosaltres mateixos. Podríem fer-ho descrivint sobretot els detalls sensorials que vam experimentar, com per exemple el vent fresc, els colors del capvespre o l’aroma del cafè; o centrar-nos més aviat en els pensaments i emocions que ens va evocar l’experiència, com ara que ens vam sentir lliures, que vam rememorar somnis antics que teníem mig oblidats o que vam notar que alguna cosa havia canviat dins nostre. Tot i que les dues històries estarien narrant uns mateixos fets objectius, la manera com les presentem afecta completament com les recordarem després. Un estudi recent liderat per la psicòloga Signy Sheldon de la universitat McGill al Quebec (Canadà), suggereix que aquesta diferència no és anecdòtica. La manera com expliquem o escoltem històries determina com el cervell les emmagatzema. Segons aquest treball, que ha estat publicat al Journal of Neuroscience, narrar una història viscuda posant l’èmfasi en els detalls sensorials o en els emocionals activa xarxes cerebrals diferents, i aquestes diferències influeixen en la retenció de la informació essencial de la història.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,029 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,004 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».