Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
cset16. März 2020 · Q005760

COVID-19 Dataset (CORD-19)

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt CORD-19 als umfangreiche, frei zugängliche Sammlung maschinenlesbarer Coronavirus-Forschung vor, die Forschenden bei der Analyse von COVID-19 helfen soll. Er erwähnt erste algorithmische Auswertungen, nennt jedoch keine konkreten Ergebnisse oder Methoden und belegt keinen tatsächlichen Effekt auf die Pandemiebekämpfung.

Mittel

Der Bericht beschreibt CORD-19 als eine frei zugängliche Sammlung maschinenlesbarer Forschung zu COVID-19, SARS-CoV-2 und verwandten Viren. Sie umfasse nach Angaben des Textes mehr als 57.000 Artikel im JSON-Format, darunter 45.000 Volltexte, und sei für Datenanalysen durch die globale Machine-Learning-Gemeinschaft gedacht.

CSET habe das Vorhaben auf Anfrage des White House Office of Science and Technology Policy gemeinsam mit dem Allen Institute for AI, der Chan Zuckerberg Initiative, Microsoft Research und der National Library of Medicine umgesetzt. Die Sammlung sollte mit neuer Forschung aus Fachzeitschriften und Vorabarchiven wie bioRxiv und medRxiv wachsen. Kaggle habe erste algorithmisch gewonnene Einschätzungen unter anderem zu Reproduktionsrate, Inkubationszeit und Risikofaktoren zusammengefasst.

Der Bericht nennt keine konkreten Schätzwerte und erläutert weder Auswertungsmethoden noch deren Unsicherheiten. Er stellt den Datensatz und seinen beabsichtigten Nutzen vor, belegt aber nicht, dass die Ressource bereits nachweislich die Pandemiebekämpfung verbessert hat.

Ausführlich lesen

Der Bericht stellt den COVID-19 Open Research Dataset (CORD-19) als frei zugängliche Sammlung maschinenlesbarer Coronavirus-Forschung vor. Nach Angaben der Georgetown-Universität und ihres Center for Security and Emerging Technology (CSET) umfasst die Sammlung mehr als 57.000 Artikel im JSON-Format; 45.000 davon enthielten laut Text den Volltext. Die Beiträge behandeln COVID-19, SARS-CoV-2 und verwandte Viren. Der Bericht bezeichnet CORD-19 als die bis dahin umfangreichste maschinenlesbare Sammlung von Coronavirus-Literatur für Daten- und Textanalysen.

Der Text beschreibt das Vorhaben als Reaktion auf die COVID-19-Pandemie: Die globale Forschungsgemeinschaft für maschinelles Lernen solle die Daten nutzen, um mit Methoden der natürlichen Sprachverarbeitung Antworten auf wichtige Fragen zur Krankheit zu finden. CSET habe die Arbeit auf Anfrage des White House Office of Science and Technology Policy geleitet und dafür mit dem Allen Institute for AI, der Chan Zuckerberg Initiative, Microsoft Research sowie der National Library of Medicine der US-amerikanischen Gesundheitsbehörde NIH zusammengearbeitet. CSET-Direktor Dewey Murdick wird mit der Einschätzung zitiert, der Zugang zu maschinenlesbaren Volltexten könne die Krisenreaktion beschleunigen.

Als Vorgehen nennt der Bericht die Bereitstellung der Literatur in JSON-Form und ihre Auswertung durch maschinelle Lernverfahren. Die Sammlung sollte fortlaufend um neue Forschung aus begutachteten Fachzeitschriften und wissenschaftlichen Vorabarchiven wie bioRxiv und medRxiv ergänzt werden. Der Text verweist außerdem auf frühe, von Kaggle zusammengefasste algorithmische Auswertungen. Diese hätten vorläufige Antworten zu Fragen wie Reproduktionsrate, Inkubationszeit und Risikofaktoren hervorgebracht.

Der Bericht legt jedoch weder konkrete Ergebnisse dieser Auswertungen noch deren Methoden, Datenqualität oder Unsicherheiten dar. Er berichtet über die Bereitstellung und den geplanten Nutzen des Datensatzes, liefert selbst aber keine wissenschaftliche Bewertung der genannten Schätzungen. Auch die Größenangaben und die Einordnung als umfangreichste Sammlung sind Aussagen des Berichts. Der Text beschreibt somit vor allem eine Forschungsressource und ihren Zweck, nicht den Nachweis, dass sich die Pandemie dadurch bereits messbar besser bewältigen ließ.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung von Luna; die kurze Fassung ist im Kern ebenfalls treu, nennt aber die Kaggle-Themen nicht. Die von Luna angegebenen Stufen und Anteilswerte wurden nicht übernommen, sondern unabhängig bewertet. Es gab keine Teilfragen zu bewerten.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Aussage, CORD-19 sei die umfangreichste maschinenlesbare Coronavirus-Literatursammlung für Data- und Text-Mining bisher
  • Das Zitat von Dewey Murdick (CSET Director of Data Science) zum Nutzen für die Machine-Learning-Gemeinschaft

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 49 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 23 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →