Reviewer Acknowledgements for Higher Education Studies, Vol. 10, No. 1
Notice bibliographique
Résumé
Higher Education Studies 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. Higher Education Studies 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: hes@ccsenet.org Reviewers for Volume 10, Number 1 Antonina Lukenchuk, National Louis University, USA Aynur Yürekli, İzmir University of Economics, Turkey Bahar Gün, İzmir University of Economics, Turkey Barbara N. Martin, University of Central Missouri, USA Cristina Sin, CIPES (Centre for Research in Higher Education Policies), Portugal Deniz Ayse Yazicioglu, Istanbul Technical University, Turkey Donna.Smith , The Open University, UK Hüseyin Serçe, Selçuk University, Turkey James Badger, University of North Georgia, USA Laith Ahmed Najam, Mosul University, IRAQ Meric Ozgeldi, Mersin University, Turkey Mpoki Mwaikokesya, University of Dar-es-Salaam, Tanzania Nicos Souleles, Cyprus University of Technology, Cyprus Olusola Ademola Olaniyi, Prince Mohammad Bin Fahd University, Saudi Arabia Prashneel Ravisan Goundar, Fiji National University, Fiji Robin Rawlings, Walden University, USA Sadeeqa Sadeeqa, Lahore College for Women University Lahore, Pakistan Savitri Bevinakoppa, Melbourne Institute of Technology, Australia Semiyu Adejare Aderibigbe, University of Sharjah, UAE Teguh Budiharso, Center of Language and Culture Studies, Indonesia Yousef Ogla Almarshad, Aljouf University, Saudi Arabia
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».