Reviewer Acknowledgements for Sustainable Agriculture Research, Vol. 12, No. 2
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sustainable Agriculture Research wishes to acknowledge the following individuals for their assistance with peer review of manuscripts for this issue. Their help and contributions in maintaining the quality of the journal are greatly appreciated. Sustainable Agriculture Research is recruiting reviewers for the journal. If you are interested in becoming a reviewer, we welcome you to join us. Please contact us for the application form at: sar@ccsenet.org Reviewers for Volume 12, Number 2 Chaterina Agusta Paulus, Universitas Nusa Cendana, Indonesia Jose Luis Arispe Vázquez, Instituto Nacional de Investigaciones Forestales, Mexico Lorelyn Joy Turnos-Milagrosa, University of Southern Mindanao, Philippines Luciano Chi, Sugar Industry Research and Development Institute, Belize Manuel Teles Oliveira, University Tras os Montes Alto Douro (UTAD), Portugal Minfeng Tang, Kansas State University, USA Murtazain Raza, Hamdard University, Pakistan Nehemie Tchinda Donfagsiteli, Institute of Medical Research and Medicinal Plants Studies, Cameroon Olabisi Omodara, Obafemi Awolowo University, Ife, Nigeria Omnia Mohamed Mohamed Helmy Arief, Benha University, Egypt Patrice Ngatsi Zemko, University of Yaoundé I, Cameroon Ram Niwas, Swami Keshwanand Rajasthan Agricultural University, India Roberto José Zoppolo, Instituto Nacional de Investigación Agropecuaria (Uruguay), Uruguay Waqar Majeed, University of Agriculture, Pakistan
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,006 |
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 découle