Reviewer Acknowledgements for Journal of Food Research, Vol. 10 No. 2
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 contact us for the application form at: jfr@ccsenet.org Reviewers for Volume 10, Number 2 Ammar Eltayeb Ali Hassan, University of Tromsø, Norway Bernardo Pace, Institute of Science of Food Production (ISPA), National Research Council (CNR), Italy Cheryl Rosita Rock, California State University, United States Diego A. Moreno-Fernández, CEBAS-CSIC, Spain Elke Rauscher-Gabernig, Austrian Agency for Health and Food Safety, Austria Jose Maria Zubeldia, Clinical Regulatory Consultant for the HIV & Hepatitis C initiative at Drugs for Neglected Diseases Initiative, Spain Leonardo Martín Pérez, Pontifical Catholic University of Argentina, Argentina Marco Iammarino, Istituto Zooprofilattico Sperimentale della Puglia e della Basilicata, Italy Marta Mesias, Spanish National Research Council, Spain Mohd Nazrul Hisham Daud, Malaysian Agricultural Research & Development Institute, Malaysia Olutosin Otekunrin, Federal University of Agriculture, Nigeria Rozilaine A. P. G. Faria, Federal Institute of Science, Education and Technology of Mato Grosso, Brazil Tanima Bhattacharya, Novel Global Community Education Foundation, Australia Teodora E. Coldea, University of Agricultural Sciences and Veterinary Medicine of Cluj-Napoca, Romania Xingjun Li, Academy of the National Food and Strategic Reserves Administration, 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,192 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».