MétaCan
Menu
Retour à la cohorte
Enregistrement W4387412841 · doi:10.1109/metacom57706.2023.00109

Metaverse Key Technologies and Blockchains: Impacts & Considerations

2023· article· en· W4387412841 sur OpenAlexaff
Mustaqeem Khan, Abdulmotaleb El Saddik, Wail Gueaieb

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMetaverseComputer scienceSocial worldsKey (lock)Transparency (behavior)Data scienceWorld Wide WebHuman–computer interactionSociologyVirtual realityComputer security

Résumé

récupéré en direct d'OpenAlex

As of October 2021, Facebook officially renamed itself Meta, and social networks and three-dimensional (3D) virtual worlds have adopted Metaverse as a new model. The metaverse offers consumers 3D immersive and individualized experiences through various innovative technologies. Although the metaverse is widely popular and beneficial, protecting user data and digital material is a natural concern where the transparency, decentralization, and immutability of blockchain make it a conclusive answer in this aspect. We intend to present the impact of blockchains on different metaverse key technologies and their applications. The work proves the technical challenges of the metaverse in each perspective and emphasizes the importance of blockchains. The article investigates blockchain's role in different metaverse enablers, such as immersive apps, digital twins (DTs), the Internet of Things (IoT), big data, and artificial intelligence (AI). This article shows the blockchain's role in metaverse applications and services. Finally, we describe promising directions for future study, innovation, and development that will enable blockchain to be applied to the metaverse.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,006
Communication savante0,0120,021
Science ouverte0,0020,005
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,025
Tête enseignante GPT0,263
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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 sujetBlockchain Technology Applications and SecurityTravaux en français237 207