Research on the Integration and Efficiency Enhancement of Research Resources in the Private University’s International Business Discipline from a Distributed Computing Perspective: A Case Study of Xiamen Institute of Technology
Notice bibliographique
Résumé
Aiming at the many problems in research resource management in private universities, this paper takes the integration of research resources in international business discipline of Xiamen Institute of Technology as an example, proposes a global integration and dynamic allocation model of research resources in distributed computing environment based on mobile agent (DCMA), and designs a dynamic bidirectional matching method of tasks and resources (DBMM) in order to improve the effectiveness of distributed computing.Experiments show that the proposed DBMM algorithm outperforms the LDCP algorithm and the hierarchical node sorting algorithm (SNLDD) in three metrics, namely, scheduling length, acceleration ratio and computational efficiency.Compared with LDCP and SNLDD, the scheduling length of DBMM algorithm is shortened by an average of 19.89% and 11.81%, the acceleration ratio is improved by an average of 19.77% and 9.26%, and the computational efficiency is increased by an average of 10.74% and 3.72%, which further improves the resource utilization rate of distributed computing system.Experiments were conducted using the research resource integration model, which achieved better efficacy in terms of probability value, goodness-offit, and stability of research resource integration in international business disciplines compared with the gray correlation analysis method.This paper provides an example reference for distributed computing system to realize research resource integration and efficiency improvement.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».