The Online Conference of the Tenth International Conference and Workshop on High Dimensional Data Analysis (ICW-HDDA-X) 2020
Notice bibliographique
Résumé
B N Ruchjana1, J Rejito1, A Pradana1, A N Falah1, M Alawiyah1, R C I Prahmana2, F C Permana3 and K A Sugeng4 1Department of Mathematics, Universitas Padjadjaran, Jl. Raya Bandung Sumedang km 21 Jatinangor, Sumedang 45363, Indonesia 2Department of Mathematics Education, Universitas Ahmad Dahlan, Jl. Pramuka 42, Umbulharjo, Yogyakarta, Indonesia 3Department of Multimedia Education, Universitas Pendidikan Indonesia, Indonesia, Jl. Dr. Setiabudi No.229, Isola, Bandung, Jawa Barat 40154, Indonesia 4Department of Mathematics, Universitas Indonesia, Jl. Margonda Raya, Depok, Jawa Barat 16424, Indonesia E-mail: budi.nurani@unpad.ac.id Preface The Tenth International Conference and Workshop on High Dimensional Data Analysis (ICW-HDDA-X) is a join conference between institution in Indonesia and Canada. It is initiated since 2018 by collaboration between Faculty of Mathematics and Natural Sciences, Universitas Padjadjaran and Faculty of Mathematics and Science, Brock University, Canada. The planning of the ICW-HDDA-X 2020 was an offline conference and it will be held at the Prime Plaza Hotel, Sanur-Bali, Indonesia on 12-15 October 2020. Many expert people gave a commitment to come to Bali Indonesia for academic and also for tourism. Because of there is a pandemic Covid-19, so the ICW-HDDA-X 2020 changed to be Online Conference. The ICW-HDDA-X is still organized and hosted in Bandung, Indonesia and the schedule is shorted to be 13-14 October 2020 due to the different time zone between Indonesia and Canada.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,143 | 0,075 |
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 ».