CGDI IN ACTION: EXPLORING QUALITY OF SERVICE
Notice bibliographique
Résumé
The national GeoConnections program has funded many projects for sharing geospatial information in its priority policy areas – public health, public safety and security, environment and sustainable development, and matters of importance to aboriginal communities – resulting in many geospatial Web Services in the Canadian Geospatial Data Infrastructure (CGDI). To build user confidence in using geospatial Web Services in the CGDI for their decision making, knowing the quality of these services is important. In this paper, the authors discuss the results of a GeoConnections-funded project in exploring the Quality of Service (QoS) metrics and applying them to test services in the CGDI. Essential QoS metrics, including availability, reliability, time latency, response speed, performance testing, and load testing, were determined. All these QoS metrics can be dynamically monitored by machines through simulating service requests at certain time intervals. The selection of candidate services for testing were from GeoConnections projects and from services discovered in the GeoConnections Discovery Portal, with the balanced representation from different levels of government and the private sector, communities of interest, and geographic regions. Based on the designed QoS metrics, tests were carried out for these candidate services. The availability and reliability were evaluated using the Federal Geographic Data Committee (FGDC) Service Status Checker. Other QoS metrics – time latency, response speed, performance testing, and load testing – were measured using Proxy Sniffer™. In conclusion, this study proposed and implemented QoS
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 | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».