Web authoring tools and meta tagging of page descriptions and keywords
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose To determine the effect of web page editing tools on inclusion and page specificity of meta tagged descriptions and keywords. Design/methodology/approach Using customized software with Yahoo!'s random page service, data from 2,048 URLs were logged. Generator identification was cross‐tabulated with presence and length of both descriptions and keywords. A second analysis on pages on geocities.com was performed using URLs from Altavista. Local links from a sample of the Yahoo! set were followed and linked‐to pages were examined for presence of description or keywords and whether these differed from those on the linking pages. Findings The Yahoo! set showed generally no significant difference in inclusion of descriptions and keywords between generator‐identifying and other pages. The geocities.com set did show a significant difference for both keywords and descriptions. Exact repetition of descriptions or keywords between pages on the same site did not generally correlate significantly with identified generators. Research limitations/implications Various other tools may have been used to create both generator‐identifying and other pages. A third factor, author level, is probably influencing both choice of authoring tool and decision to include description and keywords. How well keywords and descriptions actually fit the pages was not examined. Further research might examine other differences between the two sets. Practical implications Assistance with keywords and descriptions varies widely among web site editing packages, but is not a major selection criterion. Originality/value The hypothetical relationships had not previously been tested.
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.
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 | 0,005 |
| Science ouverte | 0,000 | 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 découle