MétaCan
Menu
Retour à la cohorte
Enregistrement W2553980427

INCREASING INTEROPERABILITY WITH CEONET TECHNOLOGY USING WSDL AND SOAP

2002· article· en· W2553980427 sur OpenAlexaboutno aff
N. Grabovac

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWS-I Basic ProfileSOAPWeb serviceWorld Wide WebDevices Profile for Web ServicesComputer scienceInteroperabilityWS-PolicyWS-AddressingWeb standardsWeb Coverage ServiceWeb modelingService-oriented architectureWeb developmentWeb application securityWeb mapping
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The future World Wide Web will be composed of interoperable, distributed software components called Web Services. These services will be capable of automatically discovering and invoking one another, allowing complex applications to be created from collections of interacting Web Services. Two new Web technologies that help make this possible are Web Services Description Language (WSDL) and the Simple Object Access Protocol (SOAP). A network of interoperable Web Services that dynamically interact with one another to perform a host of geoprocessing activities will likely form the technological building blocks enabling the next generation of Spatial Data Infrastructures. Although CEONet Technology already provides programmatic access to its services, this access is based on a mix of proprietary and standard mechanisms. Recasting CEONet Technology and its partners as a collection of Web Services that use WSDL and SOAP would increase interoperability in the Canadian Geospatial Data Infrastructure while reducing dependencies on proprietary technology. This paper describes WSDL and SOAP and how they can be used to transform CEONet Technology from a web application to a collection of standards-based, interoperable Web Services.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,039
Tête enseignante GPT0,271
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeographic Information Systems StudiesTravaux en français237 207