MétaCan
Menu
Retour à la cohorte
Enregistrement W4285804640 · doi:10.1145/3491204

Companion of the 2022 ACM/SPEC International Conference on Performance Engineering

2022· paratext· en· W4285804640 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typeparatext
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)Computer scienceSpec#Track (disk drive)BenchmarkingLibrary scienceBenchmark (surveying)Operations researchManagementWorld Wide WebEngineeringOperating systemCartography

Résumé

récupéré en direct d'OpenAlex

ICPE'22 is in the past, and for the first time the conference's companion proceedings are published in form of post-conference proceedings. The main motivation of this was to give authors of workshop or short papers an opportunity to improve their archived research papers based on discussions during the conference. This post-proceedings collect material for the following tracks: Work-in-Progress and Vision Track: The work-in-progress and vision track this year was organized by Cristina L. Abad. The goal of this track was for attendees to present, and get feedback on, early ideas. Two papers were accepted in this track. Poster and Demonstrations Track: Christoph Laaber and Wen Xia headed the poster and demonstrations track. Four papers were accepted and presented in a special session on the first conference day. Tutorials: Under the leadership of David Daly and Shuibing He, three high-quality tutorials were organized at the conference this year: - "Optimizing the Performance of Fog Computing Environments Using AI and Co-Simulation", by Shreshth Tuli and Giuliano Casale - "Automated Benchmarking of cloud-hosted DBMS with benchANT", by Daniel Seybold and Jörg Domaschka - "SPEC Server Efficiency Benchmark Development - How to Contribute to the Future of Energy Conservation", by Maximilian Meissner, Klaus-Dieter Lange, Jeremy Arnold, Sanjay Sharma, Roger Tipley, Nishant Rawtani, David Reiner, Mike Petrich, Aaron Cragin Data Challenge Track: The first data challenge track ever at ICPE was organized by Cor-Paul Bezemer (University of Alberta), David Daly (MongoDB) and Weiyi Shang (Concordia University), with the support of 5 PC members. In this track, an industrial performance dataset was provided by MongoDB. The participants were invited to come up with research questions about the dataset, and study those. The challenge was open-ended: participants can choose the research questions that they find most interesting. The data challenge track accepted 4 short papers, in which the proposed approaches and/or tools and their findings are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0040,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,237
Écart entre enseignants0,214 · 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

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCloud Computing and Resource ManagementTravaux en français237 207