1,720,988 research outputs found
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Full text linkWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
Méthodes de machine learning pour la reconstruction des sections efficaces dans les codes de neutronique déterministe à l'échelle coeur
No full textLes simulateurs déterministes de neutronique pour les réacteurs nucléaires suivent aujourd'hui majoritairement un schéma multi-échelles à deux étapes. Au cours d'un calcul dit « réseau », la physique est finement résolue au niveau des motifs élémentaires du réacteur (assemblages de combustible) ; puis, ces motifs sont mis en contact dans un calcul dit « cœur », où la configuration globale est calculée de manière plus grossière. La communication entre ces deux codes se fait de manière différée par le transfert de données physiques, dont les plus importantes se nomment « sections efficaces homogénéisées » (notées ci-après HXS) et peuvent être représentées par des fonctions multivariées. Leur utilisation différée et leur dépendance à des conditions physiques variables imposent un schéma de type tabulation-interpolation : les HXS sont précalculées dans une large gamme de situations, stockées, puis approximées dans le code cœur à partir de ces données afin de correspondre à un état bien précis du réacteur. Dans un contexte d'augmentation de la finesse des simulations, les outils mathématiques actuellement utilisés pour cette étape d'approximation montrent aujourd'hui leurs limites ; la problématique de cette thèse est ainsi de leur trouver des remplaçants, capables de rendre l'interpolation des HXS plus précise, plus économe en données et en espace de stockage, et tout aussi rapide. Tout l'arsenal du machine learning, de l'approximation fonctionnelle, etc, peut être mis à contribution pour traiter ce problème.Afin de trouver un modèle d'approximation adapté au problème, l'on a commencé par une analyse des jeux de données générés pour cette thèse : corrélations entre les HXS, allure de leurs dépendances, dimension linéaire, etc. Ce dernier point s'est révélé particulièrement fructueux : les jeux de HXS s'avèrent être d'une très faible dimension effective, ce qui permet de simplifier grandement leur approximation. En particulier, l'on a développé une méthodologie innovante basée sur l'Empirical Interpolation Method (EIM), capable de remplacer la majorité des appels au code réseau par des extrapolations d'un petit volume de données, et de réduire le stockage des HXS d'un ou deux ordres de grandeur - le tout occasionnant une perte de précision négligeable. Pour conserver les avantages d'une telle méthodologie tout en répondant à la totalité de la problématique de thèse, l'on s'est ensuite tourné vers un puissant modèle de machine learning épousant la même structure de faible dimension : les processus gaussiens multi-sorties (MOGP). Procédant par étapes depuis les modèles gaussiens les plus simples (GP mono-sorties) jusqu'à de plus complexes, l'on a montré que ces outils sont pleinement adaptés au problème considéré, et permettent des gains majeurs par rapport à l'existant. De nombreux choix de modélisation ont été discutés et comparés ; les modèles ont été adaptés à des données de très grande taille, requérant une optimisation de leur implémentation ; et les fonctionnalités nouvelles qu'ils offrent ont été expérimentées, notamment la prédiction d'incertitudes et l'apprentissage actif.Enfin, un travail théorique a été accompli sur la famille de modèles étudiées - le Linear Model of Co-regionalisation (LMC) - afin d'éclairer certaines zones d'ombre de leur théorie encore jeune. Cette réflexion a mené à la définition d'un nouveau modèle, le PLMC, qui a été implémenté, optimisé et testé sur de nombreux jeux de données réelles et synthétiques. Plus simple que ses concurrents, ce modèle s'est aussi révélé autant voire plus précis et rapide, et doté de plusieurs fonctionnalités exclusives, mises à profit durant la thèse.Ce travail ouvre de multiples perspectives pour la simulation neutronique. Doté de modèles d'apprentissage puissants et flexibles, l'on peut envisager des évolutions importantes des codes : propagation systématique des incertitudes, correction de diverses approximations, prise en compte de davantage de variables…Today, most deterministic neutronics simulators for nuclear reactors follow a two-step multi-scale scheme. In a so-called “lattice” calculation, the physics is finely resolved at the level of the elementary reactor pattern (fuel assemblies); these tiles are then brought into contact in a so-called “core” calculation, where the overall configuration is calculated more coarsely. Communication between these two codes is realized by the deferred transfer of physical data, the most important of which are called “homogenized cross sections” (hereafter referred to as HXS) and can be represented by multivariate functions. Their deferred use and dependence on variable physical conditions call for a tabulation-interpolation scheme: HXS are precalculated in a wide range of situations, stored, then approximated in the core code from the stored values to correspond to a specific reactor state. In a context of increasing simulation finesse, the mathematical tools currently used for this approximation stage are now showing their limitations. The aim of this thesis is to find replacements for them, capable of making HXS interpolation more accurate, more economical in terms of data and storage space, and just as fast. The whole arsenal of machine learning, functional approximation, etc., can be put at use to tackle this problem.In order to find a suitable approximation model, we began by analyzing the datasets generated for this thesis: correlations between HXS's, shapes of their dependencies, linear dimension, etc. This last point proved particularly fruitful: HXS sets turn out to be of very low effective dimension, which greatly simplifies their approximation. In particular, we leveraged this fact to develop an innovative methodology based on the Empirical Interpolation Method (EIM), capable of replacing the majority of lattice code calls by extrapolations from a small volume of data, and reducing HXS storage by one or two orders of magnitude - all with a negligible loss of accuracy.To retain the advantages of such a methodology while addressing the full scope of the thesis problem, we then turned to a powerful machine learning model matching the same low-dimensional structure: multi-output Gaussian processes (MOGPs). Proceeding step by step from the simplest Gaussian models (single-output GPs) to most complex ones, we showed that these tools are fully adapted to the problem under consideration, and offer major gains over current HXS interpolation routines. Numerous modeling choices were discussed and compared; models were adapted to very large data, requiring some optimization of their implementation; and the new functionalities which they offer were tested, notably uncertainty prediction and active learning.Finally, theoretical work was carried out on the studied family of models - the Linear Model of Co-regionalisation (LMC) - in order to shed light on certain grey areas in their still young theory. This led to the definition of a new model, the PLMC, which was implemented, optimized and tested on numerous real and synthetic data sets. Simpler than its competitors, this model has also proved to be just as accurate and fast if not more so, and holds a number of exclusive functionalities that were put to good use during the thesis.This work opens up many new prospects for neutronics simulation. Equipped with powerful and flexible learning models, it is possible to envisage significant evolutions for deterministic codes: systematic propagation of uncertainties, correction of various approximations, taking into account of more variables..
Recalage robuste de modèle multi-physique d'éolienne en mer à partir de données de site
No full textL'objectif du travail de thèse est de proposer une méthode robuste pour l'assimilation des données disponibles sur le parc éolien d'EDF, à partir de modèles d'interaction fluides-structures (FSI) et de données in situ. Le cadre d'application concerne les modèles de dynamique vibratoire avec résolution d'un problème inverse et identification par les données de paramètres structurels dans les systèmes en service. La résolution d'un problème inverse étant généralement complexe, et pour le contexte particulier d'étude, il a alors été nécessaire d'aborder trois problématiques scientifiques : (1) comment rendre robuste la méthode de recalage pour les problèmes d'interaction fluide-structure comportant de nombreux paramètres, avec des mesures peu nombreuses et fortement bruitées? (2) comment adapter cette méthode aux incertitudes sur l'environnement et les conditions limites (interactions avec le sol, chargement aléatoire, paramètres variables avec le temps…), et aux aspects multi-physiques en dynamique ? (3) comment définir la précision du modèle à la quantité et au contenu des données expérimentales disponibles (approche multi-fidélité), à partir de modèles de base rudimentaires (poutres), et comment enrichir un modèle biaisé pour qu'il reste compatible avec la physique observée?Pour aborder ces trois points le sujet de thèse met en œuvre le concept d'erreur en relation de comportement modifiée (mCRE) pour mener la stratégie de recalage de modèle. Ce concept déterministe implique de façon naturelle la physique du problème. Il est lié à une fonctionnelle construite avec une formulation primale-duale qui favorise les informations fiables du problème (équations d'équilibre, position des capteurs,..) et relâche les informations moins fiables (comportement du matériau, conditions limites, valeurs mesurées,…). L' utilisation de la fonctionnelle mCRE permet aussi naturellement d'avoir accès à des indicateurs sur la position optimale des capteurs et l'erreur de modèle.Le développement de l'assimilation de données a premièrement demandé d'analyser les données de site disponibles et de sélectionner un contenu approprié pour formuler un écart-modèle donné correspondant à la calibration mCRE et aux modèles d'éoliennes en mer. Ensuite, la mCRE a été étendue aux lois d'interaction fluides-structures en utilisant une linéarisation basée sur la physique de sa formulation continue et une formulation élément fini relaxable de l'équation d'équilibre éolien. Enfin, l'extension de la mCRE a été implementée dans un calibrateur et simulateur développé en Python pour être confrontée avec les données. Cela a permis de simuler et valider numériquement la méthode.The aim of the work in the thesis is to propose a robust method for data assimilation to be used with the measurements available from EDF's farms, using fluid-structure interaction models and in situ data. The scientific problematic is part of research in vibrational dynamics with inverse problem solving and identification through measurements of the structural parameters of interest in the system in operation. Inverse problem solving is generally complex, and the for this particular context it has been therefore necessary to tackle three scientific problems : (1) how can the process of recalibration of fluid-structure interactions be made robust, taking into account the high number of parameters and the low amount of noise-affected data ? (2) how can this method be adapted to the uncertainties on the environment and the boundary conditions (soil-structure interactions, stochastic loading, time-variable parameters,…) and to the multi-physics aspects in dynamics ? (3) how can the model precision be defined with respect to the amount and quality of the available measurement data (multi-fidelity approach), using relatively simple models (beams), and how can this biased model be enhanced so that it remains sensible ?In order to study these three points the thesis implemented the concept of modified Constitutive Relation Error (mCRE) for the recalibration process. This deterministic concept naturally implies the physics of the problem. It is linked with an error function built with a primal-dual formulation which highlights the reliable pieces of information of the system (equilibrium equations, sensors location,…) and lowers the importance of the less reliable pieces of information (material behavior, boundary conditions, measured values,…). Using the mCRE function also naturally allows to have access to indications on the optimal positioning of sensors and on the error of the model.The data assimilation method development first required to analyze the available in-situ data and select the appropriate and optimized content for model-data gap expression based on the mCRE calibration process and wind turbine models requirements. Second, the mCRE was extended to FSI loads using a physic-based linearization of the continuous mCRE formulation and a relaxable formulation of the offshore wind finite element analysis equilibrium. Finally, the newly defined mCRE extension was implemented in Python into a simulator and calibrator for numerical simulation, data assimilation, and validation of the method
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
Author-wise bibliometric analysis based on entropy.
No full textAuthor-wise bibliometric analysis based on entropy.</p
- …
