Investigation of hybrid working in data centres and its impact to the security of IT infrastructure. Case study: Data centre in Canada
Notice bibliographique
Résumé
[EN] According to Kniffen et al. (2020, cited in Wang et al., 2021) the unprecedented outbreak of the Covid-19 pandemic in 2020 has required millions of people across the world into being remote workers, inadvertently leading to a de facto global experiment of remote working. However, on-site tasks are still required for some businesses such as data centres. Therefore, this research will explore the effectiveness of hybrid work in data centres and introduce a design to improve the safety and security of IT Infrastructure. Aim: To determine the effectiveness of hybrid work and improve the security of IT infrastructure in data centres. This research will investigate how hybrid working is administered in data centres and evaluate its impact to the security of IT infrastructure by comparing its implementation in data centres from different countries and a case study analysis from a data centre in Canada. Objectives: 1. List and research potentially relevant issues that may be worth investigating further. 2. Select all the issues that I would like to address according to many different aspects. 3. Collect the data for all the selected issues that I have chosen to address. 4. Analyse all this data and draw final conclusions from it. Research method: Qualitative (Methods: Online Questionnaires, Case Study) Expected outcomes: 1. Differentiate the hybrid working practices from different data centres and compare it with the data centre in Canada 2. Identify issues and propose solutions about the safety and security of IT Infrastructure (using Tableau for creating charts and Rich Pictures for illustrations) 3. Sustainable data centres 4. Forecast of hybrid working Resources required: 1. Google Scholar, Scopus, Qualtrics software, Tableau, Rich Picturing, Microsoft: Word, PowerPoint, and Excel 2. Laboratory Research Internship for the period of 120 days.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,029 | 0,008 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».