Notice bibliographique
Résumé
On account of the serious situation of COVID-19, the 2020 2nd International Conference on Resources and Environmental Research (ICRER 2020) was held as virtual conference during November 19-21, 2020. Travel restrictions were made to minimize the risk of people spreading the COVID-19 through physical contact. Therefore, conference committees decided to hold ICRER 2020 by Zoom application and it aims to provide a platform for Resources and Environmental Research fields to share views and experiences. ICRER 2020 is co-organized by Xiamen University of Technology, supported by South-South Collaborative and Sustainable Development Center and International Society for Environmental Information Sciences (ISEIS). This three-day conference focused on the research fields in Resources and Environmental Research. Environmental Resources refer to the environment as a whole as the sum of resources. All kinds of natural resources, including water, air, land, animals and plants, minerals and their combination of various states, are the material basis for human survival and development. Irrational development and utilization of environmental resources have led to increasingly serious damage, such as water resource shortage and pollution, ozone layer destruction, soil desertification, forest area reduction and the imminent exhaustion of some rare species and minerals, which will have a corresponding impact on human social progress and economic development. The conference is an international conference for the presentation of technological advances and research results in the fields of Resources and Environmental Research. The conference has brought together more than 70 leading researchers, engineers and scientists in the domain of interest from Indonesia, Portugal, Australia, Canada, Japan, Romania, China, Thailand, Italy, Argentina, UK and so on. Six distinguished experts in total have given their 35 minutes’ speech as keynote speakers for the conference. They are Prof. Yongping Li from Beijing Normal University, China; Assoc. Prof. Farhad Shahnia from Murdoch University, Australia; Prof. Guilin Zheng from Wuhan University, China; Prof. Wei-Jen Lee from University of Texas at Arlington, USA; Assoc. Prof. S. M. Muyeen from Curtin University, Australia; Prof. Zhijun Peng from University of Bedfordshire, UK. Their insightful speeches had triggered heated discussion during keynote speech session of the conference. In addition, each presenter was allocated 12 minutes to deliver speech and 3 minutes for Q&A one by one. Only one presentation has been selected as the best one for each session. List of Committees are available in the pdf.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,541 | 0,382 |
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 ».