Reviewer Acknowledgements for Journal of Food Research, Vol. 9 No. 1
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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 9, Number 1 Amira Mohamed Elkholy, Suez Canal University, Egypt Antonella Santillo, University of Foggia, Italy Bojana Filipcev, University of Novi Sad, Serbia Cheryl Rosita Rock, California State University, United States Corina-aurelia Zugravu, University of Medicine and Pharmacy Carol Davila, Romania Diego A. Moreno-Fernández, CEBAS-CSIC, Spain Jelena Dragisic Maksimovic, University of Belgrade, Serbia Jintana Wiboonsirikul, Phetchaburi Rajabhat University, Thailand Jose Maria Zubeldia, Gestión Sanitaria de Canarias – Gobierno de Canarias, Spain Lenka Kourimska, Czech University of Life Sciences Prague, Czech Republic Lucy Mlipano Chove, Sokoine University Of Agriculture, Tanzania Magdalena Polak-Berecka, University of Life Sciences in Lublin, Poland Shao Quan Liu, National University of Singapore, Singapore Teodora E. Coldea, University of Agricultural Sciences and Veterinary Medicine of Cluj-Napoca, Romania Winny Routray, McGill University, Canada Yong Yang, University of Maryland, USA
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.
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 | 0,018 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle