Peer Review of “Supporting Technologies for COVID-19 Prevention: Systemized Review”
Notice bibliographique
Résumé
Round 1 Review General CommentsThe need for effective and rapid response mechanisms to the COVID-19 pandemic has seen the emergence of new technologies.The European Parliament has organized such technologies into 10 broad categories.Many studies have reported the emergence of new digital tools as a direct response to COVID-19.While some of the studies report that these technologies make a major impact on the management of COVID-19 despite some challenges in their real-life usage, others acknowledge that COVID-19 control is critical, which calls for regular stocktaking, given the rapid advances in the field.Following the above, the authors of the paper "Supporting Technologies for COVID-19 Prevention: Systemized Review," [1] in an attempt to stay on top of these advances, investigated the emerging technologies relating to the COVID-19 pandemic.The topic addressed in this paper is of interest to the journal's readership and the international community.Being an important topic, it would have been important to report the review based on specific reporting guidelines to make it more appealing.The paper does not comply with the journal guidelines.Apart from the lack of a research objective, the paper is lacking in its methodology due to the lack of use of reporting guidelines.As such, the results remain doubtful.The general structure and English warrant improvement.If this paper must be brought to standard, the following specific comments are worth considering.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,141 | 0,521 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,012 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,017 | 0,010 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,030 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».