Notice bibliographique
Résumé
Conference Chairs Xiaoqing Wen, Kyushu Institute of Technology, Japan, IEEE Fellow Juin J. Liou, Shenzhen University, China, IEEE Fellow Steering Chair Shiwei Feng, Beijing University of Technology, China Program Chairs Letian Huang, University of Electronic Science and Technology of China, Chin Li Wenyuan, Southeast University, China Meng Zhang, Southeast University, China Technical Committee Abdel-Aziz Farrag, Dalhousie University, Canada Affaq Qamar, Abasyn University Peshawar, Pakistan Bo Jiang, Omni Vision Technologies, USA Bor-Jiunn Wen, National Taiwan Ocean University Keelung City, Taiwan Chung-An Shen, Taiwan University of Science and Technology, Taiwan Guoping Guo, University of Science and Technology of China, China Haifeng Liang, North China Electric Power University, China Jens Kohler, University of Applied Sciences, Germany Jinghong Chen, University of Houston, USA Kei Eguchi, Fukuoka Institute of Technology, Japan Miyama Masayuki, Kanazawa University, Japan Mohd Faiz Bin Mohd Salleh, University of Malaya, Malaysia Mohd Faizul Mohd Sabri, University of Malaya, Malaysia Muhammad Akmal Chaudhary, Ajman University, United Arab Emirates Orla Nic Suibhne, University College Dublin, Ireland Shaojun Xie, Nanjing University of Aeronautics & Astronautics, China Sharifah Fatmadiana, University of Malaya, Malaysia Sheila Abaya, University of East-Caloocan, Philippines Thi Hong Tran, Nara Institute of Science and Technology, Japan Yu Zhuang, Texas Tech University, USA Zhang Weifeng, Shenzhen Institute of Information Technology, China
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,629 | 0,635 |
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 ».