Guest Editorial Special Issue on Social Studies, Human Factors, and Applications in Metaverse
Notice bibliographique
Résumé
The term “metaverse” was first introduced in Neal Stephenson’s 1992 science fiction novel, Snow Crash. It is conceived as the successor to the contemporary Internet, wherein users, represented as avatars, can interact with others or with applications within a three-dimensional (3D) virtual space, which is ubiquitously accessible. Although the metaverse remains a digital construct, establishing a sophisticated virtual societal framework—including a stable economic system—is paramount as users acquire assets and foster communities therein[4]. The implications become profound and potentially unpredictable should any single entity gain dominance over this virtual societal infrastructure. Such anxieties have been vividly portrayed in recent cinematic offerings such as “Ready Player One” and “Free Guy.” In response, blockchain technology emerges as a promising countermeasure. Trailblazing metaverse platforms leveraging blockchain, such as Decentraland, CryptoVoxels, and Sandbox, utilize cryptocurrency and nonfungible tokens (NFTs) to define programmable assets or access privileges[11]. These tokens may facilitate a borderless and frictionless payment layer, ensuring the uniqueness, persistence, and tradability of users’ digital assets[9]. Furthermore, the rise of smart contract-driven decentralized applications (DApps)[10]—spanning decentralized finance (DeFi) to innovative social applications[5]— ushers in an era of transparent, self-regulating digital ecosystems. As a multimedia community predicated upon vast online participation, advancements in blockchain may pave the way for a fair, transparent, and sustainable metaverse[13].
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 0,016 |
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 ».