Étude de la régulation de l'inflammation par leukemia inhibitory factor et un dérivé de l'acide aminobenzoïque
Bibliographic record
Abstract
Tout d'abord, j ' aimerais remerCIer sincèrement mon directeur de recherche, Carlos Reyes-Moreno.Carlos m' a pris sous son aile pour mon stage de fin de baccalauréat, et a continué de me soutenir pendant des temps parfois difficiles tout au long de ma maîtrise et de mon doctorat.Merci de m' avoir fourni d'innombrables conseils et encouragements.L'ambiance décontractée que ta présence imposait a favorisé, je crois, un environnement de travail agréable et productif, aimé des étudiants qui t'ont côtoyé.Je tiens aussi à remercier ma co-directrice, Céline Van Themsche, pour son écoute et ses conseils précieux, autant académiques que personnels.Bien que nos collaborations ne se soient faites que plus tardivement dans mon parcours, j'ai adoré travailler avec toi dans les laboratoires d' enseignement et grandement apprécié ton aide dans la rédaction de ma thèse.L'équipe du laboratoire Reyes-Moreno a aussi été une famille que je quitte avec un peu de tristesse.Julie Girouard, pilier central du laboratoire de recherche, avec sa grande rigueur et sa patiente légendaire, m'a laissé lui poser un millier (surement plus) de questions.Je lui dois beaucoup du savoir technique acquis pendant mes années en sa compagnie.Merci, Julie, pour les nombreux bons moments partagés; je me souviendrai toute ma vie de ce fameux congrès à Porto Rico en tête à tête avec toi .Les membres de la famille élargie du laboratoire, incluant les étudiants de Céline, ont souvent contribué, par leurs conseils, mais surtout par leur écoute et présence bienveillante, à me garder sur le chemin de la réussite; je remercie tout particulièrement Valérie Boulanger,
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".