MétaCan
Menu
Retour à la cohorte
Enregistrement W4285484822 · doi:10.2478/candc-2021-0003

Design science research approach in studying e-negotiations: models, systems, experiments

2021· article· en· W4285484822 sur OpenAlexaff
Shikui Wu

Notice bibliographique

RevueControl and Cybernetics · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueMulti-Agent Systems and Negotiation
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésNegotiationFraming (construction)Perspective (graphical)Management scienceField (mathematics)Computer scienceDesign science researchSociologyEngineering ethicsKnowledge managementInformation systemEngineeringSocial scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Inspired and led by Dr. Gregory E. Kersten, a number of research projects have been conducted at the InterNeg Research Centre. This paper intends to acknowledge Dr. Kersten’s unique role as a pioneer in e-negotiation research, particularly in exploring and integrating various elements in e-negotiations. From the design science research perspective, this paper reviews a series of relevant research works in e-negotiation modeling, system design and development, and experimental studies. This provides an integrative view of interconnected elements in this field, and also helps framing the various studies into different aspects and stages of e-negotiation research. The paper then suggests several guidelines and directions for future design science research in e-negotiations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,039
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,048
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,009
Communication savante0,0080,009
Science ouverte0,0030,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,170
Tête enseignante GPT0,339
Écart entre enseignants0,169 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueControl and CyberneticsMême sujetMulti-Agent Systems and NegotiationTravaux en français237 207