MétaCan
Menu
Retour à la cohorte
Enregistrement W4378364165 · doi:10.1145/3589462.3589463

ConfSys - An Intelligent Conference Management System

2023· article· en· W4378364165 sur OpenAlexaff
Yogesh Yadav, Bipin C. Desai

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Text Analysis Techniques
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProcess (computing)AutomationRelevance (law)MetadataSalientMatching (statistics)Quality (philosophy)Software engineeringInformation retrievalWorld Wide WebData scienceArtificial intelligenceEngineeringProgramming language

Résumé

récupéré en direct d'OpenAlex

This paper offers a brief history of, ConfSys, a conference management system, that has been used for over 15 years to support a number of international academic conferences. It is a complete system that has all functions automated with the possibility of the program chair overriding any of its decision. We have found that in most instances, the decisions made by the system need very minor changes. This paper describes another step in its automation process involving the submission made by authors and its processing by a proposed intelligent module. The new module will extract the salient metadata which we believe are more relevant than the ones entered by authors. This would ensure reliable paper-related details like title, author, coauthor, organization, abstract, keyword, etc. are being captured instead of users adding these details first-hand. The system requires users to verify the extracted information and correct them if required, further improving the paper allocation process to reviewers based on matching the reviewer’s interests with extracted keywords and topics, thus improving the quality of relevance of the reviews and comments to the authors. This in turn would improve the quality of the publications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0010,000
Communication savante0,0040,004
Science ouverte0,0030,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0270,018

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 Opus0,041
Tête enseignante GPT0,310
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Text Analysis TechniquesTravaux en français237 207