MétaCan
Menu
Retour à la cohorte
Enregistrement W2996198059 · doi:10.5539/ibr.v13n1p121

Towards a Social Internet of Things Enabled Framework for Supply Community Networks

2019· article· en· W2996198059 sur OpenAlexvenueno aff
Mohamed Omar Abdullahi, Paul Mason

Notice bibliographique

RevueInternational Business Research · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFlexibility (engineering)The InternetSupply chainArchitectureBusinessComputer securityWorld Wide WebMarketingMathematics

Résumé

récupéré en direct d'OpenAlex

Social Internet of Things (SIoT) is one of several emerging internet paradigms, signaling the inevitable fusion of Internet of Things with Social Networks. This paper demonstrates the feasibility of applying an existing SIoT framework to Supply Community Networks (SCN). a term we use to describe the changing pattern of supply chains whose morphology continues to evolve from traditional linear continuums, into ostensibly mesh-like structures. Specifically, we identify an appropriate SIoT architecture from current literature which was used as a basis for realizing the notion of SCN, where in this case the ‘members’ are autonomous objects (Supply Community Agents, or SCA) working on behalf of member organizations (suppliers, manufacturers, retailers, etc.) and whose generic object architecture we extended by specifying interfaces to various member functions that all such agents must possess to engage in the exchange of goods/services information and remittance one would expect whether part of a chain or as here, a network (or networks). We substantiate our claims of feasibility using stochastic MATLAB simulation of a baked-goods SCN scenario. Results showed that the modified SIoT framework exhibited the flexibility required by SCAs when operating as part of a Supply Community Network so that they can effectively discharge their responsibilities in delivering the services needed by other member agents of a SCN.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,511

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,382
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetIoT and Edge/Fog ComputingTravaux en français237 207