Notice bibliographique
Résumé
International Merchandise Trade Statistics: Compilers Manual, Revision 1 (IMTS 2010- CM) was prepared by the United Nations Statistics Division in collaboration with the members of the Expert Group on International Merchandise Trade Statistics (EG-IMTS) listed in alphabetical order of countries and organizations: Brazil (P. Pavao and F. Martins Pimentel), Canada (A. Torrance), China (H. Jin), Colombia (J. F. Martínez), Costa Rica (A. M. Umaña), Czech Republic (V. Petraskova), Germany (K. Geyer-Schaefer, A. Krockow and S. Gehle-Dechant), Italy (S. Menghinello and P. Anitori), Jamaica (L. Reid), Mexico (G. A. Durand Alcántara and P. Álvarez Icaza Longoria), Morocco (H. Ouljour), Norway (L. Korbol), Philippines (E. de Guzman), Uganda (J. Mayende), Ukraine (V. Pischeiko and L. Matronich), United Kingdom (M. Kingston and S. Tudor), United States of America (D. Dickerson and D. Oberg) and Viet Nam (T. M. T. Le); and Common Market for Eastern and Southern Africa (COMESA) (A. J. Walakira), Customs Union Commission (Belarus, Kazakhstan and Russian Federation) (E. Borushko), Eurostat (K. Nuortila and A. Ridzonova), Food and Agriculture Organization of the United Nations (FAO) (M. Campeanu), Organization for Economic Cooperation and Development (OECD) (A. Lindner), United Nations Conference on Trade and Development (UNCTAD) (M. Muryawan), Universal Postal Union (UPU) (M. Helble), World Customs Organization (WCO) (E. De Jong), World Trade Organization (WTO) (A. Maurer and Y. Markus), United Nations Statistics Division, Department of Economic and Social Affairs of the United Nations Secretariat (R. Jansen, M. Reister, L. González Morales, C.S. Lovell and V. Markhonko as consultant).
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; les deux têtes enseignantes 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 ».