Call for papers
Notice bibliographique
Résumé
Context-aware communication and computing have attracted increasing attention since it allows automatic adaptation of devices, systems, and applications to the changing user's context.The context is the information characterizing the situation of an entity and providing information about the present status of people, places, things and devices in the environment.An entity is a person, device, place, or object relevant to the interaction between a user and an application, such as location, time, activities, and services.Context awareness allows for customization or creation of the application to match the preferences of the individual user, based on current context such as enterprise environment or home network.A first area of interest concerns the Person Context Awareness.The recent emergence of the so-called social networks, the widespread presence of smartphones equipped by heterogeneous sensors, such as GPS receivers, accelerometers, compasses, microphones and cameras, and the availability of geo-referenced information enable analysis of new context definitions that may concern individual, social, and urban scenarios.Indeed, recently, the available information may include mobility patterns of people and also physical activities (movements), physical status, and emotional conditions.This information is often acquired and shared, in real time, by users.Allowing the reliable extraction and sharing of that information is a fundamental research issue with important applications.It could improve the experience of individual, communities, organizations, and societies by adapting context to the environment (home, hospitals, campuses, offices, etc.).
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,870 | 0,825 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».