MétaCan
Menu
Retour à la cohorte
Enregistrement W4206974787 · doi:10.5267/j.ijdns.2021.11.006

Systematic literature review on adjustable robust counterpart for internet shopping optimization problem

2022· article· en· W4206974787 sur OpenAlexvenueno aff
Mahrudinda Mahrudinda, Diah Chaerani, Endang Rusyaman

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas PadjadjaranLembaga Pengelola Dana PendidikanKementerian Riset, Teknologi dan Pendidikan Tinggi
Mots-clésComputer scienceThe InternetPurchasingScopusSystematic reviewThematic mapThematic analysisPeer reviewData scienceOperations researchWorld Wide WebSociologyMathematicsEngineeringQualitative researchSocial scienceOperations managementGeographyMEDLINE

Résumé

récupéré en direct d'OpenAlex

Internet Shopping Optimization Problem (ISOP) is the application of optimization to online shopping activities of all complexity. The ISOP is useful for consumers in minimizing the cost of purchasing goods. This paper presents a bibliometric analysis of peer-reviewed papers based on ISOP topics by utilizing the R application program in the mapping. Overall, 101 papers (233 authors) in the Scopus database have used ISOP topics with research growth of 11.61% annually. The researcher presents a network of citations from productive authors, the impact of research, trends in terms that have been used, and shows a collaborative network of citations. Finally, the researcher presents the thematic analysis of the papers that apply the ISOP as a research topic and shows how the research forms clusters based on analytical solutions and numerical simulations that generate suggestions in finding the latest topics in the ISOP study. Another target for this paper is to produce review analysis results through Preferred Reporting Items for Systematic reviews and Meta Analyses (PRISMA). Through bibliometric and PRISMA analysis, it was found that the latest method in completing ISOP optimization is the ARC method. The ARC method in the ISOP is still little published among researchers in the world.

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)0,010
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,720

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
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 ouverte0,0040,001
Intégrité de la recherche0,0000,000
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 Opus0,114
Tête enseignante GPT0,395
Écart entre enseignants0,281 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207