Bibliographic record
Abstract
Описание (Description) В этой записи размещена методология Индекса влияния нейросетей — AI Influence Index (AIII). Это многофакторный индекс для оценки влияния нейросетевых систем по регионам (система понимается как связка: модель + пользовательские оболочки + вычислительная инфраструктура + доступ к живым данным взаимодействия + соответствие регулированию + практики управления рисками и доверия). Что измеряет индекс В рамках AIII «влиятельность» — это способность нейросетевой системы масштабироваться и закрепляться в конкретном регионе: обеспечивать вычисления, привлекать и удерживать пользователей (и поток живых данных), быть легально допущенной в юрисдикции и усиливать присутствие через партнёрства, распространение и доверительный контур. Индекс не измеряет качество ответов модели и не является тестом «интеллекта». Логика индекса: 3 слоя и 9 факторов AIII описывает влияние через три взаимосвязанных слоя, каждый из которых раскрывается набором факторов (оценка каждого фактора — по шкале 0–10, при необходимости — с региональными весами): Слой A. Инфраструктурная мощность 1) капитал; 2) электроэнергия; 3) вычислительное железо. Слой B. Питание модели и легальность4) пользователи и живые данные; 5) регулирование и допуск. Слой C. Закрепление на рынке6) таланты; 7) партнёрские экосистемы; 8) доверие и управление; 9) распространение (каналы доступа и качество оболочек). Что включено в методологию Документ содержит: термины и объект измерения; пороговые шкалы 0–10; процедуру калибровки порогов и стандартизации метрик (включая фиксацию MAU/WAU/DAU); слой уверенности оценки (H/M/L); пример региональных весов; минимальный набор источников для уверенности не ниже M; приложения с шаблонами (паспорт оценки, таблица весов, макет двухстраничного отчёта) и пример заполненной карточки. Файлы Методология представлена в форматах PDF (для цитирования и архива) и DOCX (для редактирования и развития версий). Рекомендуемая ссылка для цитирования Ляпин А. (2025). AI Influence Index (AIII): Neural Network Systems Influence Methodology (версия 1.0). Zenodo. https://doi.org/10.5281/zenodo.18010634 Лицензия Материалы распространяются по лицензии CC BY 4.0 (при использовании требуется указание авторства и ссылки на данную запись Zenodo). Ограничения Индекс предназначен для снижения неопределённости при сравнении систем; часть факторов может оцениваться по прокси-показателям при отсутствии прямых публичных данных, что фиксируется уровнем уверенности.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.049 | 0.015 |
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".