Editorial: Socio-technical ecologies: Design for human-machine systems
Notice bibliographique
Résumé
consider second-order effects on the host environment ("habitat") and, in consequence, on the embedded 48 systems. This explicitly includes long periods of time where systems of systems form ecologies and 49 co-evolve after deployment. Highly interactive settings, such as an advanced smart city scenario, comprise 50 many heterogeneous systems, e.g., robots and/or artificial agents, crowd-sourced data, social media, 51 location-based applications, swarms of delivery drones, cleaning or gardening robots. The goal is to 52 improve urban life, such as transport systems, healthcare, infrastructure, and services, by collecting and 53 analyzing data from a wide range of sensors and applications. However, many of these systems fail to 54 adapt or serve their intended purpose within the larger socio-technical ecosystem as they are oblivious to 55 the complex dynamics in their immediate context, let alone the effects on cities as larger organisms. It is 56 therefore vital to establish an integral way of designing human-machine systems that form socio-technical 57 ecologies, allowing them to respect and adapt to the ever-evolving context in which they are embedded.We believe this Research Topic constitutes a step towards a more comprehensive, multidisciplinary view 59 of human-machine systems and their design. Our thanks go to all reviewers for their in-depth assessments 60 and to the authors for their contributions.This is a provisional file, not the final typeset article
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 | 0,005 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,016 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,011 |
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 ».