Reviewer Acknowledgements for International Journal of Statistics and Probability, Vol. 6, No. 5
Notice bibliographique
Résumé
International Journal of Statistics and Probability 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 is greatly appreciated.Many authors, regardless of whether International Journal of Statistics and Probability publishes their work, appreciate the helpful feedback provided by the reviewers.Reviewers for Volume 6, Number 5 Encarnación Alvarez-Verdejo, University of Granada, SpainFelix Almendra-Arao, UPIITA del Instituto Politécnico Nacional, MéxicoGane Samb Lo, University Gaston Berger, SENEGALIvair R. Silva, Federal University of Ouro Preto – UFOP, BrazilJiannan Lu, Microsoft Corporation, USAKassim S. Mwitondi, Sheffield Hallam University, UKMan Fung LO, Hong Kong Polytechnic University, Hong KongNahid Sanjari Farsipour, Alzahra University, IranNicolas MARIE, ESME Sudria Paris, FrancePablo José Moya Fernández, Universidad de Granada, SpainPhilip Westgate, University of Kentucky, USASajid Ali, Bocconi University, ItalyShatrunjai Pratap Singh, John Hancock Financial Services, USAShuling Liu, Yale University, USASubhradev Sen, Alliance University, IndiaTaehan Bae, University of Regina, CanadaVilda Purutcuoglu, Middle East Technical University (METU), TurkeyVyacheslav Abramov, Swinburne University of Technology, AustraliaWojciech Gamrot, University of Economics, Poland Wendy SmithOn behalf of,The Editorial Board of International Journal of Statistics and ProbabilityCanadian Center of Science and Education
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 | 0,004 | 0,337 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».