Notice bibliographique
Résumé
Role-Based Collaboration (RBC) has emerged into an investigative methodology from a computational methodology with continuous research effort in the past decade. RBC uses roles as the primary underlying mechanism to facilitate collaboration activities. It consists of a set of concepts, principles, models, and algorithms. RBC imposes challenges and benefits not discovered in traditional methodologies and systems. RBC and the Environments - Classes, Agents, Roles, Groups, and Objects (E-CARGO) model have been investigated for over 18 years and have established a solid foundation for further research and investigation. Related research has brought and will bring exciting improvements to the development, evaluation, management, and execution of computer-based systems including services, clouds, productions, and administration systems. RBC and E-CARGO grow gradually into a strong fundamental methodology and model for exploring solutions to problems of complex systems including Collective Intelligence, Sensor Networking, Scheduling, Smart Cities, Internet of Things, Intelligent Transportation Systems, Cyber-Physical Systems, Social Networking, and Social Simulation Systems. In this keynote, we examine the requirement of research on collaboration systems and technologies, discuss RBC and its model E-CARGO; review the related research achievements on RBC and E-CARGO in the past years; discuss those problems that have not yet been solved satisfactorily; present the fundamental methods to conduct research related to RBC and E-CRAGO and discover related problems; and analyze their connections with other cuttingedge fields.
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 | 0,000 | 0,005 |
| 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 | 0,000 |
| Science ouverte | 0,005 | 0,021 |
| 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 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 ».