MétaCan
Menu
Retour à la cohorte
Enregistrement W1972625929 · doi:10.1093/comjnl/bxv003

Ambient and Context-Aware Services for the Future Web

2015· article· en· W1972625929 sur OpenAlexaff
Quan Z. Sheng, Elhadi Shakshuki, Jian Yu

Notice bibliographique

RevueThe Computer Journal · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensAcadia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWorld Wide WebMobile WebMobile deviceContext (archaeology)Mobile technologyMobile computingMultimediaContext awarenessWeb serviceUploadInternet privacyPhoneTelecommunications

Résumé

récupéré en direct d'OpenAlex

Context awareness refers to the system capability of both sensing and reacting to situational changes. It is one of the most exciting trends in computing today that holds the potential to make our daily life more productive, convenient and enjoyable. Over the years, advances in Web and mobile technologies are gradually bringing the full potential of desktop computers to potable mobile devices. As a matter of the fact that the number of mobile phone users is already much higher than desktop users, most Internet and Web-based services such as search engine querying, news reading, multimedia downloading, instant messaging, online shopping and also social networking can be accessed mainly through a large variety of mobile devices instead of desktop computers. Indeed, context-aware mobile services are emerging as an important technology to underpin the new breed of user-centric smart applications on the future ubiquitous Web. Although mobile devices naturally have the capability to capture both the physical context, such as location, and the social context, such as presence and relationships, of users, there are many hurdles to cross in order to realize the full potential of context-aware ambient services. This theme issue looks at the new development in ambient and context-aware Web information systems such as location-based applications, mobile payment systems, mobile context-aware applications and mobile Web data search engines.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,255
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Computer JournalMême sujetContext-Aware Activity Recognition SystemsTravaux en français237 207