Reviewer Acknowledgements for International Business Research, Vol. 10, No. 10
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 10, Number 10Alina Badulescu, University of Oradea, RomaniaAshford C Chea, Benedict College, USAAtallah Ahmad Alhosban, Aqaba University of Technology, JordanAurelija Burinskiene, Vilnius Gediminas Technical University, LithuaniaBenjamin James Inyang, University of Calabar, NigeriaCelina Maria Olszak, University of Economics in Katowice, PolandDea’a Al-Deen Al-Sraheen, Al-Zaytoonah University of Jordan, JordanEjindu Iwelu MacDonald Morah, University of Westminster, London, UKEva Mira Bolfíková, Univerzity of P. J. Šafárik in Košice, Slovak RepublicFederica De Santis, University of Pisa , ItalyFlorin Ionita, The Bucharest Academy of Economic Studies, RomaniaFoued Hamouda, Ecole Supérieure de Commerce, TunisiaFrancesco Ciampi, Florence University, ItalyHanna Trojanowska, Warsaw University of Technology, PolandHerald Monis, Milagres College, IndiaHongliang Qiu, Tourism College of Zhejiang, ChinaHsiao-Ching Kuo, Washington and Jefferson College, USAHung-Che Wu, Nanfang College of Sun Yat-sen University, ChinaJoanna Katarzyna Blach, University of Economics in Katowice, PolandJorge Mongay-Hurtado, ESIC Business and Marketing School, SpainMansour Esmaeil Zaei, Panjab University, India/IranMarcelino José Jorge, Evandro Chagas Clinical Research Institute of Oswaldo Cruz Foundation, BrazilMaria Teresa Bianchi, University of Rome “LA SAPIENZA”, ItalyMithat Turhan, Mersin University, TurkeyMuath Eleswed, American University of Kuwait, USAPascal Stiefenhofer, University of Brighton, UKRadoslav Jankal, University of Zilina, SlovakiaRafiuddin Ahmed, James Cook University, AustraliaRoberto Campos da Rocha Miranda, University Center Iesb, BrazilRoxanne Helm Stevens, Azusa Pacific University, USASang-Bing Tsai, University of Electronic Science and Technology of China, ChinaSerhii Kozlovskiy, Donetsk National University, UkraineShun Mun Helen Wong, The Hong Kong Polytechnic University, Hong KongSumathisri Bhoopalan, Sastra University, IndiaVassili JOANNIDES de LAUTOUR, Grenoble École de Management (France) and Queensland University of Technology School of Accountancy (Australia), FranceVincent Grèzes, University of Applied Sciences Western Switzerland (HES-SO Valais-Wallis), SwitzerlandWejdene Yangui, Institute of High Business Studies of Sfax _ Tunisia (IHEC), Tunisia
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 | 0,045 | 0,364 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,014 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,118 | 0,088 |
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 ».