Reviewer Acknowledgements for International Business Research, Vol. 11, No. 8
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 11, Number 8 Alireza Athari, Eastern Mediterranean University, IranAnca Gabriela Turtureanu, “DANUBIUS” University Galati, RomaniaAndrea Carosi, University of Sassari, ItalyCheng Jing, eBay, Inc. / University of Rochester, USAChokri Kooli, International Center for Basic Research applied, Paris, CanadaDaniel Cash, Aston University, United KingdomDonghun Yoon, Seoul Center, Korea Basic Science Institute, Republic of KoreaFilomena Izzo, University of Campania Luigi Vanvitelli, ItalyFrancesco Ciampi, Florence University, ItalyGeorgeta Dragomir, “Danubius” University of Galati, RomaniaGiuseppe Granata, University of Cassino and Southen Lazio, ItalyGuo Zi-Yi, Wells Fargo Bank, N.A., USAHanna Trojanowska, Warsaw University of Technology, PolandIonela-Corina Chersan, “Alexandru Ioan Cuza” University from Iași, RomaniaJoseph Lok-Man Lee, The Hong Kong Polytechnic University, Hong KongKaren Gulliver, Argosy University, Twin Cities, USALadislav Mura, University of Ss. Cyril and Methodius in Trnava, SlovakiaM. Muzamil Naqshbandi, University of Dubai, UAEMarcelino José Jorge, Evandro Chagas Clinical Research Institute of Oswaldo Cruz Foundation, BrazilMaria-Madela Abrudan, University of ORADEA, RomaniaMaryam Ebrahimi, Azad University, IranMichaela Maria Schaffhauser-Linzatti, University of Vienna, AustriaMichele Rubino, Università LUM Jean Monnet, ItalyMohamed Abdel Rahman Salih, Taibah University, Saudi ArabiaMohamed Rochdi Keffala, University of Kairouan, TunisiaMohsen Malekalketab Khiabani, University Technology Malaysia, MalaysiaMongi Arfaoui, University of Monastir, TunisiaMuath Eleswed, American University of Kuwait, USAOnur Köprülü, Mersin University, TurkeyPascal Stiefenhofer, University of Brighton, UKRadoslav Jankal, University of Zilina, SlovakiaRafiuddin Ahmed, James Cook University, AustraliaStephen Donald Strombeck, William Jessup University, USAValeria Stefanelli, University of Salento, ItalyWanmo Koo, Western Illinois University, USAWejdene Yangui, Institute of High Business Studies of Sfax _ Tunisia (IHEC), TunisiaYan Lu, University of Central Florida, USAYasmin Tahira, Al Ain University of Science and Technology, Al Ain, UAE
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 | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,118 | 0,080 |
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 ».