Reviewer Acknowledgements for International Business Research, Vol. 11, No. 9
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://www.ccsenet.org/journal/index.php/ibr/editor/recruitment and e-mail the completed application form to ibr@ccsenet.org.Reviewers for Volume 11, Number 9 Abderrazek Hassen Elkhaldi, University of Sousse, TunisiaAlireza Athari, Eastern Mediterranean University, IranAnca Gabriela Turtureanu, “DANUBIUS” University Galati, RomaniaAndrei Buiga, “ARTIFEX University of Bucharest, RomaniaAnna Paola Micheli, Univrtsity of Cassino and Southern Lazio, ItalyBenjamin James Inyang, University of Calabar, NigeriaChokri Kooli, International Center for Basic Research applied, Paris, CanadaClaudia Isac, University of Petrosani, RomaniaDaniel Cash, Aston University, United KingdomDonghun Yoon, Seoul Center, Korea Basic Science Institute, Republic of KoreaEwa Ziemba, University of Economics in Katowice, PolandFawzieh Mohammed Masad, Jadara University, JordanFederica Caboni, University of Cagliari, ItalyFlorin Ionita, The Bucharest Academy of Economic Studies, RomaniaFoued Hamouda, Ecole Supérieure de Commerce, TunisiaFrancesco Ciampi, Florence University, ItalyGeorges Samara, ESADE Business School, LebanonGeorgeta Dragomir, “Danubius” University of Galati, RomaniaHaldun Şecaattin Çetinarslan, Turkish Naval Forces Command, TurkeyHanna Trojanowska, Warsaw University of Technology, PolandImran Riaz Malik, IQRA University, PakistanJanusz Wielki, Opole University of Technology, PolandL. Leo Franklin, Bharathidasn University, IndiaM. Muzamil Naqshbandi, University of Dubai, UAEMarcelino José Jorge, Evandro Chagas Clinical Research Institute of Oswaldo Cruz Foundation, BrazilMaria Teresa Bianchi, University of Rome “LA SAPIENZA”, ItalyMichele Rubino, Università LUM Jean Monnet , ItalyMihaela Simionescu, Institute for Economic Forecasting of the Romanian Academy, RomaniaMiriam Jankalová, University of Zilina, SlovakiaMohamed Rochdi Keffala, University of Kairouan, TunisiaMuath Eleswed, American University of Kuwait, USANadia Oliva, Telematic University Giustino Fortunato, ItalyOzgur Demirtas, Turkish Air Force Academy, TurkeyProsper Senyo Koto, Dalhousie University, CanadaRafael Hernandez Barros, Universidad Complutense de Madrid, SpainRiccardo Cimini, University of Tuscia, Viterbo, ItalyRoxanne Helm Stevens, Azusa Pacific University, USASerhii Kozlovskiy, Donetsk National University, UkraineShun Mun Helen Wong, The Hong Kong Polytechnic University, Hong KongSilvia Ferramosca, University of Pisa, ItalySumathisri Bhoopalan, SASTRA Deemed to be University, IndiaTariq Tawfeeq Yousif Alabdullah, University of Basrah, IraqValeria Stefanelli, University of Salento, ItalyYan 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 | 0,031 | 0,268 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,132 | 0,099 |
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 ».