Reviewer Acknowledgements for International Business Research, Vol. 11, No. 11
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 11 Alireza Athari, Eastern Mediterranean University, Iran Anca Gabriela Turtureanu, “DANUBIUS” University Galati, Romania Andrea Carosi, University of Sassari, Italy Andrei Buiga, “ARTIFEX University of Bucharest, Romania Anna Paola Micheli, Univrtsity of Cassino and Southern Lazio, Italy Antônio André Cunha Callado, Universidade Federal Rural de Pernmabuco, Brazil Antonio Usai, University of Sassari, Italy Ashford C Chea, Benedict College, USA Bazeet Olayemi Badru, Universiti Utara Malaysia, Nigeria Chokri Kooli, International Center for Basic Research applied, Paris, Canada Duminda Kuruppuarachchi, University of Otago, New Zealand Essia Ries Ahmed, Universiti Sains Malaysia, Malaysia Fevzi Esen, Istanbul Medeniyet University, Turkey Filomena Izzo, University of Campania Luigi Vanvitelli, Italy Francesco Scalera, University of Bari "Aldo Moro", Italy Grzegorz Zasuwa, The John Paul II Catholic University of Lublin, Poland Haldun Şecaattin Çetinarslan, Turkish Naval Forces Command, Turkey Hanna Trojanowska, Warsaw University of Technology, Poland Herald Monis, Milagres College, India Hsiao-Ching Kuo, Washington and Jefferson College, USA Hung-Che Wu, Nanfang College of Sun Yat-sen University, China Ionela-Corina Chersan, “Alexandru Ioan Cuza” University from Iași, Romania Iwona Gorzeń-Mitka, Czestochowa University of Technology, Poland Janusz Wielki, Opole University of Technology, Poland Keshmeer Makun, University o the South Pacific, Fiji Khaled Mokni, Northern Border University, Tunisia L. Leo Franklin, Bharathidasn University, India Luisa Pinto, University of Porto School of Economics, Portugal Mahdi Shadkam, University Technology Malaysia, Malaysia Manuel A. R. da Fonseca, Federal University of Rio de Janeiro (UFRJ), Brazil Marcelino José Jorge, Evandro Chagas Clinical Research Institute of Oswaldo Cruz Foundation, Brazil Maria Teresa Bianchi, University of Rome “LA SAPIENZA”, Italy Michaela Maria Schaffhauser-Linzatti, University of Vienna, Austria Miriam Jankalová, University of Zilina, Slovakia Miroslav Iordanov Mateev, American University, Dubai, UAE Mithat Turhan, Mersin University, Turkey Mohsen Malekalketab Khiabani, University Technology Malaysia, Malaysia Muath Eleswed, American University of Kuwait, USA Murat Akin, Omer Halisdemir University FEAS – NIGDE, Turkey Ozgur Demirtas, Turkish Air Force Academy, Turkey Radoslav Jankal, University of Zilina, Slovakia Riaz Ahsan, Government College University Faisalabad, Pakistan Roxanne Helm Stevens, Azusa Pacific University, USA Serhii Kozlovskiy, Donetsk National University, Ukraine Shun Mun Helen Wong, The Hong Kong Polytechnic University, Hong Kong Wanmo Koo, Western Illinois University, USA Yasmin 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 | 0,035 | 0,298 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,118 | 0,085 |
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 ».