Acknowledgement to Reviewers of Maritime Technology and Research in 2023
Notice bibliographique
Résumé
The editorial team greatly appreciates the reviewers who have dedicated their considerable time and expertise to the journal’s rigorous peer review process in 2023, regardless of whether the submissions were finally published or not. In 2023, a total of 50 articles were submitted to the journal, with the median time to first decision of 87 days, and 117 days from submission to publication. The editorial team would like to express sincere gratitude to the following reviewers for their generous contribution in 2023: Abdullah Açık, Turkey Albina Pashkevich, Sweden Alcino E. Ferreira, France Amnuay Kleebayoon, Cambodia Anastasia Christodoulou, Sweden Anish Arvind, Hebbar, Sweden Antreas Kantaros, Greece Apostolos Papanikolaou, Greece Baharak Ashrafi, Germany Bihong Lv, China Chandrashekher Umanath Rivonker, India Chatnugrob Sangsawang, Thailand Ching-Chiao Yang, Taiwan, China Chutarat Noosuwan, Thailand Corina Varsami, Romania Dang Duc Nhan, Vietnam Debabrata Karmakar, India Diego Silva, Spain Dimitrios Dalaklis, Sweden Dobrin Efremov, Bulgaria Elena Romano, Italy Emma Ballad, Philippines Enzo Pranzini, Italy Fatima Zohra Bouthir, Morocco Florin Rusca, Romania Francisco García Sánchez, Spain Gairuzazmi Mat Ghani, Malaysia Giambattista Guidi, Italy Giulio Dubbioso, Italy Grienggrai Rajchakit, Thailand Hanna Barbara Rasmussen, Denmark Helga Pavlić Skender, Croatia Hilde Elise Heldal, Norway Hong Oanh Nguyen, Australia Hua Li, China Hung Yung-Tse, United States of America I Ketut Aria Pria Utama, Indonesia Ivan Mraković, Montenegro Jagan Jeevan, Malaysia Jiqiang Li, China Joy Bhowmik, Bangladesh Juan Carlos Astudillo, Hong Kong, China Junmin Mou, China Kachai Tam, Canada Kadda Boumediene, Algeria Kantapon Tanakitkorn, Thailand Lee Shin Yun, Malaysia Li Song, China Liangfeng Li, China Lirola-Delgado Isabel, Spain Livingstone Divine Caesar, United States of America Luka Vukić, Croatia Maciej Gucma, Poland Mahinda Bandara, United Kingdom Malgorzata Wolska, Poland Manickam Venkataraman, India Marco Túlio Mendonça Diniz, Brazil Marie Antonette Juinio-Meñez, Philippines Mate J. Csorb, Norway Mesbah Saybani, Iran Mohamed Zbair, Finland Muhammad Abu JamiIn, Indonesia Muhammad Zainuddin Lubis, Indonesia Mumini Dzoga, Kenya Nagavinothini Ravichandran, Italy Neil J. Douglas, New Zealand Nitin Agarwala, India Nopparat Pochai, Thailand Nucharee Nuchkoom Smith, Thailand Omer Berkehan Inal, Turkey Orestis Schinas, Germany Oznur Oztuna Taner, Turkey Phansak Iamraksa, Thailand Porpattama Hammachukiattikul, Thailand Pritam Tripathy, India Puyang Zhang, China R. Nagalakshmi, India Raju Ahmmed, Bangladesh Razon Chandra Saha, Bangladesh Ruiyong Mao, China Sante Francesco Rende, Italy Sathit Pongduang, Thailand Scott Edwards, Japan Senthil Kumar Madasamy, India Serdar Beji, Turkey Shariful Islam Shakeel, Bangladesh Shivaji Ganesan T., India Shweta S. Kaddi, India Sim Sai Tin, China Sittichai Pimonsree, Thailand Siwarut Laikram, Thailand Sri Suharti, Indonesia Srinivasan Chandrasekaran, India Stephen Cahoon, Australia Subha M., India Sun Wei, China Supawat Chaikasem, Thailand Surasak Phoemsapthawee, Thailand Thanapong Phanthong, Thailand Thies Thiemann, United Arab Emirates Tsz Leung Yip, Hong Kong, China Velayutham Rajendran, India Victor Bolblot, Finland Viv Djanat Prasita, Indonesia Walaa Altop, Iraq Watcharapong Chumchuen, Thailand Wenresti Gallardo, Oman Xin Liu, China Xishu Li, United Kingdom Yii Mei-Wo, Malaysia Yogesh J. Chauhan, India Zurab Bezhanovi, Georgia
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».