Reviewer Acknowledgements for Sustainable Agriculture Research, Vol. 9, No. 1
Notice bibliographique
Résumé
Sustainable Agriculture 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. Sustainable Agriculture 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: sar@ccsenet.org Reviewers for Volume 9, Number 1 Ahmed Elamrani, Université Mohamed Premier, Morocco Anchal Dass, Indian Agricultural Research Institute (IARI), India Bed Mani Dahal, Kathmandu University, Nepal Dietrich Darr, Hochschule Rhein-Waal, Germany Gema Parra, Universidad de Jaén, Spain Gunnar Bengtsson, Sweden Inder Pal Singh, Guru Angad Dev Veterinary and Animal Science University(GADVASU), India Kassim Adekunle Akanni, Olabisi Onabanjo University, Nigeria Katarzyna Panasiewicz, Poznan University of Life Sciences, Poland Khaled Sassi, National Agronomic Institute of Tunisia, Tunisia Manuel Teles Oliveira, University Tras os Montes Alto Douro (UTAD), Portugal Marcelo Augusto Gonçalves Bardi, Universidade Sao Francisco, Brazil Murtazain Raza, Subsidiary of Habib Bank AG Zurich, Pakistan Ram Niwas, Swami Keshwanand Rajasthan Agricultural University, India Ram Swaroop Jat, ICAR-Directorate of Medicinal and Aromatic Plants Research, India Subhash Chand, Central Agricultural Research Institute CARI Port Blair, India Tenaw Workayehu, Hawassa Research Center, Southern Agricultural Research Institute, Ethiopia Vishwambhar Prasad Sati, Government KRG Post Graduate College, India
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 | 0,007 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».