Bibliographic record
Abstract
Antalffy Tibor Van-e jövőnk? című könyve napjaink égető problémáit öleli fel olvasmányos és a szerzőre jellemző cinikusan humoros stílusban. Olyan témákat feszeget, amibe már sokaknak beletört a bicskája. Olyasmikről ír, ami politikus körökben, és legyünk őszinték, a nyomtatott sajtóban is tabunak számit, annak ellenére, hogy az élet és halál kérdéseiről van szó.Biztos vagyok benne, hogy sok magyar honfitársam fogja hozzám hasonló lelkesedéssel forgatni a könyvet, és fel fogja fedezni benne azokat az értékeket és igazságokat, amelyeknek feltárását csakis hosszú évek tapasztalata tehet lehetővé, beleértve az író tengerentúli élményeit is. A szerzővel kialakult másfél évtizedes baráti kapcsolatom lehetővé tette, hogy alaposan megismerhessem felkészültségét, széles látókörét és külhoni tapasztalatait, melyek a könyv pótolhatatlan alapjául szolgálnak. Az egymást követő fejezetekben a szerző állításaival jó néhány tényt rögzít, amiket aztán a hozzá nem értők számára is érthető módon feltárt bizonyítékok követnek. A könyvben felsorakozó vizsgálódások kiterjednek az élet számos pontjára, beleértve napjaink legújabb eseményeit, amikkel a szerző cenzúrázatlan stílusban, őszintén és világosan segít felismerni felgyorsult világunk összefüggéseit, és azok értelmezéseit. Meggyőződésem, hogy e könyvből minden korosztály tanulhat és hatással lesz majd a felnövő nemzedékre is. Temesi Iván, Kanada Vancouver "Annak esélye, hogy az emberiség megéri a XXI. század végét, nem nagyobb 50%-nál." Sir Martin Rees (a brit királyi főcsillagász)
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.006 | 0.002 |
| Insufficient payload (model declined to judge) | 0.954 | 0.948 |
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".