İstanbul Üniversitesi Eczacılık Fakültesi'nin Tarihi Binasının Açılış Töreni, 19.12.2010
Bibliographic record
Abstract
Ankara Üniversitesi Eczacılık Fakültesi mezunu olduğum ve doktoramıorada yaptığım için ben, Sayın Asuman Baytop'un lisans veya lisansüstüöğrencisi olmadım. Bu nedenle kendisi ile öğrencilik anılarım yok. AmaAnkara’da beni yetiştiren hocalarım Profesör Mekin Tanker ve özellikleProfesör Nevin Tanker o kadar çok sitayişle anlatırlardı ki, O’nu görmedentanımıştık. Asuman Hoca ile ilk karşılaştığım 1978 deki II. Bitkisel İlaçHammaddeleri Toplantısı’nda, O’nu çok önceden tanıyormuş gibiydim. Otoplantıda, O’nun mütevaziliği ve derin bilgisi ile öğretmeye açık hali, bitkileritanımaya meraklı biz gençleri hemen çevresine toplamıştı. Daha sonraevlenerek İstanbul Üniversitesi Eczacılık Fakültesi Farmakognozi AnabilimDalı’na geldiğimde ayrı binalarda oluşumuz, bilimsel araştırmalar için sık sıkyurt dışında uzun süreli gidişlerimiz ve yoğunlaşan akademik kariyerçalışmalarımız nedeniyle çok sık biraraya gelemedik. Emekli olduktan sonra,özellikle son yıllarda aramızda özel bir yakınlık oluştuğu için çok mutluyum.Ülkemizde eğitimde fırsat eşitliğinin sağlanması ve kız çocuklarının okulagidebilmesine yönelik projelerimizde hep destek verdi, destek olmayısürdürüyor. Sevgili Hocamın 90. yaşını kutluyor, sağlık ve esenlik dileklerimlesaygılarımı sunuyorum.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.370 | 0.166 |
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".