Système de gestion de connaissances appliqué en géotechnique
Bibliographic record
Abstract
À l’échelle universitaire, l’optimisation des systèmes de gestion des connaissances permet de favoriser la création, et le partage des connaissances entre les chercheurs, les étudiants, et les autres parties prenantes. En particulier, dans les laboratoires de recherche qui sont considérés comme des centres de connaissances, diverses activités sont menées pour développer et appliquer des connaissances. Cependant, toute recherche nécessite la présence et l’accès fluide aux référentiels qui regroupe plusieurs sources d'informations. Ainsi, pour développer une base de connaissances, l’organisation doit d'abord identifier ses connaissances disponibles, les gérer d’une façon efficace. Les systèmes de gestion des connaissances réfèrent à tout type de système informatique qui stocke, traite et récupère des données, quelle que soit leur nature, améliorant ainsi la collaboration, la localisation des ressources de connaissances et l'ensemble des processus d'acquisition, de traitement et transfert des connaissances. Ce projet de maîtrise reflète le travail de recherche menée au sein du laboratoire de mécanique des roches et géologie appliquée de l’Université de Sherbrooke et porte principalement sur la mise en service d’un outil de système de gestion de connaissances. Plus précisément, cette recherche vise à concevoir un système de gestion des connaissances pour capturer et partager les connaissances liées aux activités de recherche. Suite à une enquête et recherche dans la littérature, nous avons identifié les exigences pour générer un plan de conception du système. La technologie utilisée pour soutenir l'adoption et la mise en œuvre de ce système est une plate-forme GeoUdeS en ligne. Cette plate-forme permet de transformer les données brutes accumulées en connaissances utiles en collectant des données dans une base de connaissances centrale et en les contextualisant. Ce processus rend les connaissances facilement consultables afin que les étudiants et chercheurs puissent trouver eux-mêmes les connaissances dont ils ont besoin. Aussi, la plate-forme prend en charge les phases du cycle de vie d’un système de gestion de connaissances : création, organisation, stockage, partage, collaboration, l'accès et l'utilisation des connaissances. Les retombées de cette étude permettront de centraliser et utiliser les connaissances disponibles dans des futurs projets de recherche en géotechnique, et ainsi faire des corrélations entre les données et ensuite préparer ces données pour appliquer des algorithmes d’intelligence artificielle.
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.013 |
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".