E-CITY KNOWWARE: KNOWLEDGE MIDDLEWARE FOR COORDINATED MANAGEMENT OF SUSTAINABLE CITIES
Notice bibliographique
Résumé
The realization of e-city is a necessary component for achieving the green city. This paper outlines a vision for an e-city platform that is based on knowledge brokerage in the green city. The proposed platform will be a venue for creating dynamic virtual organizations to harness collective intelligence of knowledge hubs to analyze and manage sustainability knowledge in urban areas. Knowledge assets of participating organizations will be presented in three dimensions: process structures, human profile and software systems. These three facets of knowledge will be accessible and viewable through a self-describing mechanism. Cities can post their geospatial and real-time data on the net. Relevant environmental and energy-use data will be extracted using topic maps and data extraction services. Local decision makers can synchronize work processes (from participating hubs) to create an integrated workflow for a new ad hoc virtual organization to collaboratively analyze the multifaceted nature of sustainable decision making. An e-city platform is envisioned in this paper that will be realized through intelligent, agent-like, domain-specific middleware (KnowWare). Through triangulation between people, software and processes, these KnowWare will discover, negotiate, integrate, reason and communicate knowledge (related to energy and environment) from across organizations to the right person at the right time. KnowWare is fundamentally, a portal of social semantic services that resides on a cloud computing infrastructure. Knowware exploits thee main tools: 1) existing ontologies to represent knowledge in a semantic manner, 2) topic maps to profile sources of knowledge and match these to the complex needs of sustainability analysis, 3) domain-specific middleware for knowledge integration and reasoning.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».