MétaCan
Menu
Retour à la cohorte
Enregistrement W4245137930 · doi:10.1145/1859995

Proceedings of the sixteenth annual international conference on Mobile computing and networking

2010· paratext· en· W4245137930 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeparatext
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMobile computingTelecommunications

Résumé

récupéré en direct d'OpenAlex

On behalf of the organizing committee, I welcome you to the 2010 ACM MobiCom and MobiHoc. These two conferences were brought together for the first time in 2007 in Montreal. The 2010 edition is the sixteenth in its series for MobiCom and eleventh for MobiHoc. Over the years, both conferences have established themselves as premier forums for presentation of research on mobile computing and wireless networking. I hope that you will attend the exciting paper presentations at both the conferences, which are being scheduled as parallel tracks this year. The papers included in the conference proceedings reflect the outstanding research performed by our authors, and also the conscientious and dedicated efforts of the two technical program committees, ably led by Suman Banerjee and Dina Katabi for ACM MobiCom, and Christoph Lindemann and Jitendra Padhye for ACM MobiHoc. The program committee chairs devoted substantial effort, working with the respective program committees, to ensure that the review process resulted in fair and timely decisions. In addition to the refereed papers, this year's program also includes poster and demo sessions. I am sure that you will enjoy the diversity of research being presented in these sessions. We also have several workshops scheduled this year on a wide range of emerging topics of interest to the conference attendees.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0960,074

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,295
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBig Data and Business IntelligenceTravaux en français237 207