MétaCan
Menu
Retour à la cohorte
Enregistrement W4389092941 · doi:10.53555/sfs.v10i1.1823

Artificial Intelligence, Robotics And Its Applications In Green Libraries

2023· article· en· W4389092941 sur OpenAlexvenueno aff
Nitesh Kumar Gupta, Deepak Kumar Namdeo, Dipti Dubey, Subodhini Gupta

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in Service Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRoboticsRobotArtificial intelligenceInformation and Communications TechnologyField (mathematics)Service (business)Computer scienceDigital libraryBig dataInformation technologyData scienceEngineering managementKnowledge managementEngineering ethicsEngineeringWorld Wide WebBusinessMathematics

Résumé

récupéré en direct d'OpenAlex

Technologies and engineering scholars are still debating the prevalence and consequences of ICT (Information and Communications Technology) on every aspect of human life. This line of thinking is shared by experts in the field of library as well as information science/technology, who see opportunities to improve the effectiveness of librarianship via the use of AI and robots. Because of the expanding complexity of the digital environment, the rise in library use, and the urgent need for effective service delivery, this is of the highest significance in the twenty-first century. There is a pressing need to prioritise the incorporation of AI and robots in Green libraries in order to address the problems and difficulties associated with big data, overload of information, and the explosion of information. In light of the facts above, the purpose of this research is to investigate the academic discourse around the integration of AI and robotics-based technologies in knowledge institutions.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,372

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0010,000
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 Opus0,252
Tête enseignante GPT0,322
Écart entre enseignants0,070 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetAI in Service InteractionsTravaux en français237 207