Reviewer Acknowledgements for Journal of Food Research, Vol. 8 No. 2
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Journal of Food 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. Journal of Food 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://www.ccsenet.org/journal/index.php/jfr/editor/recruitment and e-mail the completed application form to jfr@ccsenet.org. Reviewers for Volume 8, Number 2   Anna Iwaniak, Warmia and Mazury University, Poland Antonello Santini, University of Napoli "Federico II", Italy Bülent Ergönül, Celal Bayar University, Turkey Cheryl Rosita Rock, California State University, USA Corina-aurelia Zugravu, University of Medicine and Pharmacy Carol Davila, Romania Elsa M Goncalves, Instituto Nacional de Investigacao Agrária (INIA), Portugal Essence Jeanne Picones Logan, University of Santo Tomas, Philippines J. Basilio Heredia, Research Center for Food and Development, Mexico Luis Patarata, Universidade de Trás-os-Montes e Alto Douro, Portugal Marco Iammarino, Istituto Zooprofilattico Sperimentale della Puglia e della Basilicata, Italy Mariana de Lourdes Almeida Vieira, Centro Federal de Educação Tecnológica de Minas Gerais, Brazil Palmiro Poltronieri, National Research Council of Italy, Italy Qinlu Lin, Central South University of Forestry and Technology, China Shao Quan Liu, National University of Singapore, Singapore Vasudha Bansal, Center of Innovative and Applied Bioprocessing (CIAB), India Yong Yang, University of Maryland, USA
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.
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 | 0,026 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle