Reviewer Acknowledgements for International Business Research, Vol. 11, No. 6
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://recruitment.ccsenet.org and e-mail the completed application form to ibr@ccsenet.org.Reviewers for Volume 11, Number 6 Abderrazek Hassen Elkhaldi, University of Sousse, TunisiaAnca Gabriela Turtureanu, “DANUBIUS” University Galati, RomaniaAndrea Carosi, University of Sassari, ItalyAnna Paola Micheli, Univrtsity of Cassino and Southern Lazio, ItalyAshford C Chea, Benedict College, USACristian Marian Barbu, “ARTIFEX” University, RomaniaFawzieh Mohammed Masad, Jadara University, JordanFederica Caboni, University of Cagliari, ItalyFlorin Ionita, The Bucharest Academy of Economic Studies, RomaniaFrancesco Scalera, University of Bari "Aldo Moro", ItalyGuo Zi-Yi, Wells Fargo Bank, N.A., USAHanna Trojanowska, Warsaw University of Technology, PolandHuijian Dong, Pacific University, USAHung-Che Wu, Nanfang College of Sun Yat-sen University, ChinaImran Riaz Malik, IQRA University, PakistanKaren Gulliver, Argosy University, Twin Cities, USAL. Leo Franklin, Bharathidasn University, IndiaLuisa Pinto, University of Porto School of Economics, PortugalM. Muzamil Naqshbandi, University of Dubai, UAEManuela Rozalia Gabor, “Petru Maior” University of Tîrgu Mureş, RomaniaMarcos Ferasso, Meridional Faculty - IMED, BrazilMichele Rubino, Università LUM Jean Monnet, ItalyMiriam Jankalová, University of Zilina, SlovakiaMithat Turhan, Mersin University, TurkeyMohamed Rochdi Keffala, University of Kairouan, TunisiaMohsen Malekalketab Khiabani, University Technology Malaysia, MalaysiaMuath Eleswed, American University of Kuwait, USAOnur Köprülü, Mersin University, TurkeyOzgur Demirtas, Turkish Air Force Academy, TurkeyPascal Stiefenhofer, University of Brighton, UKRafiuddin Ahmed, James Cook University, AustraliaRiccardo Cimini, University of Tuscia, Viterbo, ItalyRoberto Campos da Rocha Miranda, University Center Iesb, BrazilSerhii Kozlovskiy, Donetsk National University, UkraineShun Mun Helen Wong, The Hong Kong Polytechnic University, Hong KongVassili JOANNIDES de LAUTOUR, Grenoble École de Management (France) and Queensland University of Technology School of Accountancy (Australia), FranceYan Lu, University of Central Florida, 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.
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 | 0,039 | 0,332 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,014 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,122 | 0,086 |
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 ».