MétaCan
Menu
Retour à la cohorte
Enregistrement W4294658875 · doi:10.18293/seke2022-020

An Explainable Knowledge-based AI Framework for Mobility as a Service

2022· article· en· W4294658875 sur OpenAlexaff
Enayat Rajabi, Sławomir Nowaczyk, Sepideh Pashami, Magnus Bergquist

Notice bibliographique

RevueProceedings/Proceedings of the ... International Conference on Software Engineering and Knowledge Engineering · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueSemantic Web and Ontologies
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProcess (computing)Domain knowledgeKnowledge baseService (business)Domain (mathematical analysis)Data scienceKnowledge managementArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Mobility as a Service (MaaS) is a relatively new domain where new types of knowledge systems have recently emerged. It combines various modes of transportation and different kinds of data to present personalized services to travellers based on transport needs. A knowledge-based framework based on Artificial Intelligence (AI) is proposed in this paper to integrate, analyze, and process different types of mobility data. The framework includes a knowledge acquisition process to extract and structure data from various sources, including mobility experts and add new information to a knowledge base. The role of AI in this framework is to aid in automatically discovering knowledge from various data sets and recommend efficient and personalized mobility services with explanations. A scenario is also presented to demonstrate the interaction of the proposed framework's modules.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,273
Écart entre enseignants0,249 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings/Proceedings of the ... International Conference on Software Engineering and Knowledge EngineeringMême sujetSemantic Web and OntologiesTravaux en français237 207