Reviewer Acknowledgements for International Business Research, Vol. 12, No. 1
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://www.ccsenet.org/journal/index.php/ibr/editor/recruitment and e-mail the completed application form to ibr@ccsenet.org. Reviewers for Volume 12, Number 1 Abedalqader Rababah, Arab Open University, Oman Ajit Kumar Kar, Indian Metal & Ferro Alloys Ltd, Bhubaneswar, Odisha, India Alireza Athari, Eastern Mediterranean University, Iran Andrei Buiga, “ARTIFEX University of Bucharest, Romania Anna Paola Micheli, Univrtsity of Cassino and Southern Lazio, Italy Ashford C Chea, Benedict College, USA Aurelija Burinskiene, Vilnius Gediminas Technical University, Lithuania Bazeet Olayemi Badru, Universiti Utara Malaysia, Nigeria Benjamin James Inyang, University of Calabar, Nigeria Celina Maria Olszak, University of Economics in Katowice, Poland Claudia Isac, University of Petrosani, Romania Dionito F. Mangao, Cavite State University – Naic Campus, Philippines Duminda Kuruppuarachchi, University of Otago, New Zealand Federica Caboni, University of Cagliari, Italy Federica De Santis, University of Pisa, Italy Georges Samara, ESADE Business School, Lebanon Gianluca Ginesti, University of Naples “FEDERICO II”, Italy Gilberto MarquezIllescas, University of Rhode Island, USA Guo ZiYi, Wells Fargo Bank, N.A., USA Hejun Zhuang, Brandon University, Canada Henrique Fátima Boyol Ngan, Institute for Tourism Studies, Macao, Macao Herald Monis, Milagres College, India HungChe Wu, Nanfang College of Sun Yatsen University, China Joanna Katarzyna Blach, University of Economics in Katowice, Poland Manuel A. R. da Fonseca, Federal University of Rio de Janeiro (UFRJ), Brazil Marcelino José Jorge, Evandro Chagas Clinical Research Institute of Oswaldo Cruz Foundation, Brazil Maria do Céu Gaspar Alves, University of Beira Interior, Portugal Maria Teresa Bianchi, University of Rome “LA SAPIENZA”, Italy MariaMadela Abrudan, University of ORADEA, Romania Marta Joanna Ziólkowska, Warsaw School of Economics (Szkoła Główna Handlowa), Poland Maryam Ebrahimi, Azad University, Iran Michaela Maria SchaffhauserLinzatti, University of Vienna, Austria Michele Rubino, Università LUM Jean Monnet, Italy Mithat Turhan, Mersin University, Turkey Mohsen Malekalketab Khiabani, University Technology Malaysia, Malaysia Mongi Arfaoui, University of Monastir, Tunisia Murat Akin, Omer Halisdemir University FEAS – NIGDE, Turkey Ozgur Demirtas, Turkish Air Force Academy, Turkey Pascal Stiefenhofer, University of Brighton, UK Roxanne Helm Stevens, Azusa Pacific University, USA Sara Saggese, University of Naples Federico II, Italy Serhii Kozlovskiy, Donetsk National University, Ukraine Shame Mukoka, Zimbabwe Open University, Zimbabwe Shun Mun Helen Wong, The Hong Kong Polytechnic University, Hong Kong Silvia Ferramosca, University of Pisa, Italy Sumathisri Bhoopalan, SASTRA Deemed to be University, India Tatiana Marceda Bach, Centro Universitário Univel (UNIVEL), Brazil Vassili JOANNIDES de LAUTOUR, Grenoble École de Management (France) and Queensland University of Technology School of Accountancy (Australia), France Wanmo Koo, Western Illinois University, USA Wasilu Suleiman, Bauchi State University, Nigeria Wejdene 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 | 0,037 | 0,328 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,011 | 0,006 |
| Études des sciences et des technologies | 0,005 | 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) | 0,129 | 0,095 |
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 ».