Reviewer Acknowledgements for Higher Education Studies, Vol. 14, No. 3
Notice bibliographique
Résumé
Higher Education Studies 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. Higher Education Studies 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: hes@ccsenet.org Reviewers for Volume 14, Number 3 Agnese Lastovska, University of Latvia, Latvia Alaa Aladini , Dhofar University, Oman Alina Mag, University Lucian Blaga of Sibiu, Romania Anna Liduma, University of Latvia, Latvia Antonina Lukenchuk, National Louis University, USA Arbabisarjou Azizollah, Zahedan University of Medical Sciences, Iran Ariadna Llorens, Business Department, Spain Chia Jung Yeh, East Carolina University, USA Cristina Dumitru, The National University of Science and Technology, Romania Dede Salim Nahdi, Universitas Majalengka, Indonesia Ercan Tomakin, Ordu University, Turkey Ezgi Pelin Yildiz, Kafkas University in KARS, Turkey Fatma Elhassan, University of Hafr Al Batin, Saudi Arabia Firouzeh Sepehrianazar, Orumieh university, Iran Hadiyanto, Universitas Jambi, Indonesia Halupa Colleen, East Texas Baptist University Marshall, USA Hongyan Wang, Binghamton University, USA Isaiah M. Makhetha, National University of Lesotho, Lesotho Jacquelyn Benchik-Osborne, Chicago State University, USA Jayanti Dutta, Panjab University, India Laid Fekih, University of Tlemcen Algeria, Algeria Lalith Edirisinghe, CINEC Campus, Sri Lanka Lung-Tan Lu, Fo Guang University, Taiwan Miguel Flores, National College of Ireland, Ireland Nayereh Shahmohammadi, Academic Staff in Organization for Educational Research and Planning, Iran Pedro Tadeu, Centre for Studies in Education and Innovation CI&DEI-ESECD-IPG, Portugal Qing Xie, Jiangnan University, China Rafizah Mohd Rawian, Universiti Utara Malaysia, Malaysia Ranjit Kaur Gurdial Singh, The Kilmore International School, Australia Rebecca Cacho, De La Salle University, Philippines Sadeeqa Saleha, Lahore College for Women University Lahore, Pakistan Salwa Mohamed, Manchester Metropolitan University, UK Sarasa-Cabezuelo Antonio, Universidad Complutense de Madrid, Spain Sharmila Sivalingam, Maryville University of St.Louis, USA Tony Patrick George, Njala University, Sierra Leone Zahra Shahsavar, Shiraz University of Medical Sciences, Iran
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 | 0,060 | 0,441 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,015 | 0,008 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,096 | 0,062 |
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 ».