Thank You to Our 2017 Peer Reviewers
Notice bibliographique
Résumé
We wish to thank all the reviewers who have made the publication of Earth and Space Sciences possible. We are a relatively new journal just closing up on 5 years of publishing papers on nontraditional topics including new methods, sensors, instruments, and modeling. Because this has been a major departure within AGU to support scientists and engineers involved in the complexities of data collection and analysis, we have relied upon all of you to meet that challenge. We anticipate the publication of the citation indices for the new journal in the near future and trust that it will demonstrate the value of this publication to the scientific community. Again, thanks for your willingness to address this new direction in publishing and hope you will all consider publishing in the journal itself. Individuals in italics provided three or more reviews for Earth and Space Science during the year. Alden, Caroline Ames, Daniel Ao, Chi Appleby, Graham Arnold, Gabriele Bailey, Steve Beegle, Luther Bela, Megan Ben-Ari, Tamara Bernhardt, Paul Bowring, Simon Bytheway, Janice Caress, David Caylor, Kelly Chatterjee, Snigdhansu Chau, Jorge Chen, Yaning Chen, Yingying Choi, Yong-Sang Chulliat, Arnaud Ciesielski, Paul Connolly, Ronan Courtland, Leah Culverwell, Ian Davis, Anthony De Beurs, Kirsten De Lucas, Aline De Viron, Olivier Demir, Ibrahim DeSouza-Machado, Sergio Dessler, Andrew Dewey, Richard K. Duda, Timothy Dumbovic, Mateja Eckman, Richard Essawy, Bakinam Feldman, Daniel Feng, Nan Finlay, Christopher Finn, Carol Fletcher, Jennifer Friess, Udo Gatebe, Charles Glaze, Lori Goodall, Jonathan Gray, Steve Greenberger, Rebecca Gronoff, Guillaume Gu, Yu Haag, Scott Haley, Charlotte Hargitai, Henrik Harten, Gerard Heavens, Nicholas Helman, David Henderson, David Hooshyar, Milad Jain, Shaleen Jauer, Paulo Jimenez-Munoz, Juan-Carlos Johnson, Natasha Jucks, Ken Jukic, Damir Kass, David Keller, G. Kenda, Balthasar Kennedy, Jeffrey Kiefer, Walter Kim, WonMoo Kong, Dongxian Kripalan, Dr. Ramesh Kroll, Kayla Kumar, Anikender Li, King-Fai Liu, Cheng Lucas, Antoine Luo, Zhengzhao Lyzenga, Greg Ma, Jian Margolis, Jack Mellors, Robert Merrifield, Anna Minamide, Masashi Mori, Shuichi Muni Krishna, Kailasam Murchie, Scott Nguyen, Hanh Norman, Ryan Ojeda González, Arian Padma Kumari, B. Panning, Mark Pearce, Joshua Pierce, David Podolak, Morris Pope, Allen Prakash, Satya Price, Anthony Prochazka, Ivan Pudykiewicz, Januscz Raynolds, Martha Rodger, Craig Roy, Alexandre Roy, Christopher Scharien, Randall Schindelegger, Michael Sharma, Om Shirooka, Ryuichi Skordas, Efthimios Smart, Clara Smith, Jessica B. Stoppa, Francesco Sugiyama, Masahiro Takahashi, Hanii Tang, Guanglin Tian, Baijun Tivey, Maurice Trancoso, Ralph Trifonova, Neda Trigo-Rodriguez, Josep Tzeng, Mimi Uusitalo, Laura Valeo, Caterina Vaniman, David Ventrice, Michael Wang, Pei Wang, Shuguang Wong, Sun Xi, Baike Xu, Guangyu Xu, Kuan-man Yang, John Xun Yang, Song Yeh, Sang-Wook Yu, Yan Zeng, Z Zhai, Chengxing Zhang, Renyi Zhou, Jiangcun
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,001 |
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.
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 ».