Proceedings of the Sixth International Workshop on Data Management for Sensor Networks
Notice bibliographique
Résumé
Welcome to the 6th edition of the International Workshop on Data Management for Sensor Networks, a.k.a., DMSN'09! The program of this year's workshop spans a variety of themes within the DMSN domain, including systems-oriented and application-oriented approaches, coming from research teams from Europe, North America, and Asia. DMSN'09 received 16 submissions for research papers, out of those we were able to accept 6 papers, yielding a healthy acceptance rate of about 38%. In addition to the traditional track of research papers, this year we also invited submissions for demos and/or short papers. We received 4 submissions in that category, and decided to accept one of those, plus 3 papers that were originally submitted as research papers but that the Program Committee considered that they could be presented as short papers during the workshop. Despite the economically hard times we were very fortunate to count on Olsonet, Inc. (Canada), Arch Rock Corporation (USA), and the Swiss National Center for Mobile Information and Communication Systems (NCCRMICS) (Switzerland), who have kindly served as sponsors to DMSN'09. Arch Rock and NCCR-MICS have also agreed to participate at the workshop giving talks and demos (Olsonet was unfortunately unable to participate due to schedule conflicts). We are particularly pleased with this as it will provide the opportunity for close, and much needed, interaction between researchers and industry.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,027 |
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 ».