MétaCan
Menu
Retour à la cohorte
Enregistrement W4362647498 · doi:10.1109/icsca57840.2023.10087596

The 5G Wireless Technology and a Significant Economic Growth and Sustainable Development

2023· article· en· W4362647498 sur OpenAlexaff
Abdulsalam Alkholidi, Naif Alsharabi, Habib Hamam, Talal Alshammari

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésMobile phoneEntertainmentBusinessPillarMobile technologyMarketingComputer scienceTelecommunicationsMobile computingEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

5G technology can create millions of new jobs in many economic and industry sectors. It needs an in-depth study between the engineering sector, business, moneymen, and economists to introduce new ideas and develop a road map to benefit from this technology. Also, learn from the experiences of pioneers in this sector. Mobile phone networks are no longer a means of social media, entertainment, narrow commerce, and commercial correspondence. They have become a new pillar in economic growth if they are optimally exploited. This paper aims at highlighting 5G mobile networks and economic growth by studying and analyzing prestigious research and technical and commercial related reports and raising important recommendations to the decision-makers to take advantage of it and adapt this modern technology to develop the economic sector and create new opportunities for young people and those interested. The most important recommendation of this study is the need to support a new generation of young people, especially in the least developed countries in the formation of their minor economic projects, taking advantage of the huge potential of 5G technology, as well as the localization of this technique in many medium and giant projects. One of the key recommendations of this study is to encourage young people to involve in this promising field and help them set up small businesses.

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)0,000
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 enseignants0,779
Score d'incertitude au seuil0,189

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 ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSatellite Communication SystemsTravaux en français237 207