MétaCan
Menu
Retour à la cohorte
Enregistrement W2912129383

Proceedings of the 2008 Ambi-Sys workshop on Software Organisation and MonIToring of Ambient Systems

2008· article· en· W2912129383 sur OpenAlexaff
Roger M. Whitaker, Ben Liang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceContext (archaeology)Variety (cybernetics)Set (abstract data type)Cloud computingAnticipation (artificial intelligence)SoftwareArchitectureUbiquitous computingSoftware engineeringHuman–computer interactionArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Weiser's dream of an environment enhanced with a set of invisible computing devices is slowly becoming a reality. While most technological requirements can be fulfilled with the current technology, there are still many open questions regarding how to design, build and deploy this kind of systems. It is a quite remarkable fact that the world of software engineering has been in a sense surprised by the world of electronics in such a way that we now have sensors and multimodal interactors and no rigourous methodology to create context-aware programs. Moreover, existing monitoring systems for networked computerized systems are not obviously able to adapt to these new systems. We can think of a future where humans interact with a seamlessly integrated cloud of processes and a partly invisible set of devices. What are suitable system architectures for dynamic multi-device appliances? Which programming languages cope best with the needs? How should we devise our applications in order to adapt to hardware evolution? How can our systems interact with previously unknown sensor networks? How flexible can applications adapt to new situations and what level of anticipation is unavoidable? How should systems be presented to end users with such a variety of computing devices? How shall we monitor the different devices and the global architecture ?

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)0,007
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0060,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 GPT0,236
Écart entre enseignants0,197 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetContext-Aware Activity Recognition SystemsTravaux en français237 207