Notice bibliographique
Résumé
Journal of Food 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.Journal of Food 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 jfr@ccsenet.org.Reviewers for Volume 7, Number 3Ancuta Elena Prisacaru, Stefan cel Mare University of Suceava, RomaniaAnna Iwaniak, Warmia and Mazury University, PolandAntonello Santini, University of Napoli "Federico II", ItalyAytunga Bagdatli, Celal Bayar University, TurkeyBernardo Pace, Institute of Science of Food Production, ItalyFernanda Papa Spada, University of São Paulo, BrazilGisele Fátima Morais Nunes, Federal Center of Technological Education of Minas Gerais, BrazilJelena Dragisic Maksimovic, University of Belgrade, SerbiaLucy Mlipano Chove, Sokoine University Of Agriculture, TanzaniaLuis Patarata, Universidade de Trás-os-Montes e Alto Douro, PortugalMagdalena Polak-Berecka, University of Life Sciences in Lublin, PolandMarco Iammarino, Istituto Zooprofilattico Sperimentale della Puglia e della Basilicata, ItalyMeena Somanchi, United States Department of Agriculture, United StatesPaolo Polidori, University of Camerino, ItalyRaza Hussain, School of Dietetics and Human Nutrition, McGill University, CanadaRenuka Nayar, Kerala Veterinary & Animal Sciences University, India
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 | 0,039 | 0,331 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,108 | 0,066 |
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 ».