Poszterek a BKL-ben – Az MFK Kar és a TEKH Szakkollégium 2024-es terméséből
Bibliographic record
Abstract
A poszterek tiszavirág életűek, amelyeket egy-egy konferencián, vándorgyűlésen mutatnak be, majd 1-2 napos élet után a mindennapok témáiba merülve a legtöbbször elfelejtődnek, ugyanakkor viszonylag kevés érik közülük tovább folyóiratcikké, könyvfejezetté. Viszont pillanatképet adnak az adott műhelymunka mindennapjairól.A Bányászati és Kohászati Lapok és a TEKH Szakkollégium az év során közösen tár a nagyobb nyilvánosság elé a műszaki föld- és környezettudományt különböző (BSc, MSc, PhD) szinten tanuló hazai és külföldi diákok korábban konferenciákon, vándorgyűléseken szereplő olyan posztereit, amelyek témája fokozottan érdekelhetik az olvasókat.A mostani és következő BKL-számokban egy-egy posztert mutatunk be. Ez oly módon történik, hogy a szerzőkre és műhelyeikre vonatkozó információk után a poszteren szereplő témát részletezik röviden a szerzők, hozzáfűzve néhány, az életből vett példát, hasonlatot, amelyek esetleg nem bírnák el a szigorúbb tudományos kritikát.Az ismertető után következik a poszter – a hivatkozással elérhető elektronikus verzióban teljes méretben –, amelyet az olvasó letölthet, böngészhet, s megfelelően hivatkozva idézhet is. Reméljük, hogy a kísérlet mindenki hasznára lesz: növeli a szerzők ismertségét, a karok láthatóságát, illetve az olvasók szakmai tudásának naprakészségét. A poszter a PDAC-SEG Student Minerals Colloquium, online (Toronto, Kanada), versenyén (2022. június 28–29). PhD-kategória megosztott 2. helyezést nyert.A szerzők: Balassa Csilla, MSc, földtudományi mérnök az Intézet PhD-hallgatója, és témavezetője dr. Németh Norbert egyetemi docens, illetve dr. Kristály Ferenc tudományos főmunkatárs.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.167 | 0.073 |
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".