Bibliographic record
Abstract
L'objectif général de ce travail est de modéliser un système permettant à un utilisateur de donner une mission à une équipe de robots et de déterminer l'ensemble des processus menant à son exécution. Le papier propose un modèle participatif pour mettre en place ce système. Nous séparons l'acteur : élément actif soumis au stimulus (l'utilisateur et sa requête), la forme objective : objet conçu dans l'esprit de l'acteur, le produit : élément correspondant à la satisfaction du stimulus. En accord avec ce modèle, le système se base sur un schéma à plusieurs niveaux. Nous abordons principalement les deux premiers niveaux : le vérificateur syntaxique et sémantique de la requête chargé de valider, corriger et compléter interactivement la demande de l'utilisateur, puis le vérificateur géométrique, chargé de générer les itinéraires des robots ainsi que de valider le passage des formations. Le résultat est présenté à l'utilisateur au travers d'une interface pour être validé. Le modèle mental du déroulement, construit parallèlement à la formulation de la requête par l'utilisateur, peut être confronté avec celui inféré par le système.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".