MétaCan
Menu
Retour à la cohorte
Enregistrement W4323649978 · doi:10.23977/jaip.2023.060108

Development and Application of Campus Sports Competition System

2023· article· en· W4323649978 sur OpenAlexvenueno aff
Chun Wang, Ruiying Zhang, Tianshan Yang

Notice bibliographique

RevueJournal of Artificial Intelligence Practice · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueE-commerce and Technology Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)Sport managementProcess (computing)AdvertisingFunction (biology)Sports marketingPhysical educationMedical educationMarketingMultimediaMathematics educationPsychologyComputer sciencePublic relationsBusinessPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

According to the degree of sports competitions held in colleges and universities across the country, the complicated process of regular sports competitions in colleges and universities directly leads to the low density of undertaking sports competitions, resulting in the low participation of students in sports competitions, or the single participation group, which can not achieve the effect of full exercise and improving the overall level of college students. For this problem, with the help of the application of the school sports competition APP, they can pay more attention to sports competitions, so that they can actively participate in sports or sports competitions, and achieve the purpose of improving their physical fitness and physical function through continuous exercise. Secondly, this APP integrates the publishing, registration and watching of sports competitions, provides convenience for students to participate in sports competitions, and is beneficial for organizers to collect registration information. Then, the system automatically arranges and generates competition teams, which makes the competitions more orderly and achieves the purpose of facilitating the development of sports competitions.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,708
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,036
Tête enseignante GPT0,298
Écart entre enseignants0,262 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Artificial Intelligence PracticeMême sujetE-commerce and Technology InnovationsTravaux en français237 207