Reviewer Acknowledgements for International Business Research, Vol. 11, No. 5
Notice bibliographique
Résumé
International Business Research wishes to acknowledge the following individuals for their assistance with peer review of manuscripts for this issue. Their help and contributions in maintaining the quality of the journal are greatly appreciated.International Business Research is recruiting reviewers for the journal. If you are interested in becoming a reviewer, we welcome you to join us. Please find the application form and details at http://recruitment.ccsenet.org and e-mail the completed application form to ibr@ccsenet.org.Reviewers for Volume 11, Number 5 Abderrazek Hassen Elkhaldi, University of Sousse, TunisiaAnna Paola Micheli, Univrtsity of Cassino and Southern Lazio, ItalyAurelija Burinskiene, Vilnius Gediminas Technical University, LithuaniaCelina Maria Olszak, University of Economics in Katowice, PolandFawzieh Mohammed Masad, Jadara University, JordanFederica De Santis, University of Pisa , ItalyFevzi Esen, Istanbul Medeniyet University, TurkeyFilomena Izzo, University of Campania Luigi Vanvitelli, ItalyFlorin Ionita, The Bucharest Academy of Economic Studies, RomaniaFrancesco Ciampi, Florence University, ItalyFrancesco Scalera, University of Bari "Aldo Moro", ItalyGrzegorz Zasuwa, The John Paul II Catholic University of Lublin, PolandHanna Trojanowska, Warsaw University of Technology, PolandHung-Che Wu, Nanfang College of Sun Yat-sen University, ChinaImran Riaz Malik, IQRA University, PakistanJorge Mongay-Hurtado, ESIC Business and Marketing School, SpainKaren Gulliver, Argosy University, Twin Cities, USAM. Muzamil Naqshbandi, University of Dubai, UAEMaria do Céu Gaspar Alves, University of Beira Interior, PortugalMaurizio Rija, University of Calabria, ItalyMihaela Simionescu, Institute for Economic Forecasting of the Romanian Academy, RomaniaModar Abdullatif, Middle East University, JordanMohamed Abdel Rahman Salih, Taibah University, Saudi ArabiaMohamed Rochdi Keffala, University of Kairouan, TunisiaMuath Eleswed, American University of Kuwait, USAMurat Akin, Omer Halisdemir University FEAS – NIGDE, TurkeyÖzcan IŞIK, Cumhuriyet University, TurkeyPascal Stiefenhofer, University of Brighton, UKProsper Senyo Koto, Dalhousie University, CanadaRadoslav Jankal, University of Zilina, SlovakiaRiccardo Cimini, University of Tuscia, Viterbo, ItalyRoberto Campos da Rocha Miranda, University Center Iesb, BrazilShun Mun Helen Wong, The Hong Kong Polytechnic University, Hong KongValeria Stefanelli, University of Salento, ItalyVincent Grèzes, University of Applied Sciences Western Switzerland (HES-SO Valais-Wallis), SwitzerlandWanmo Koo, Western Illinois University, USAWing-Keung Wong, Asia University, Taiwan, China
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,043 | 0,341 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,012 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,015 | 0,007 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,136 | 0,093 |
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 source (Gemma direct ou Codex distillé), 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 ».