MétaCan
Menu
Retour à la cohorte
Enregistrement W7095977078

2 nd Annual Workshop on Collaboration Agents

2004· article· en· W7095977078 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Crowdsensing and Crowdsourcing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCola (plant)NegotiationWork (physics)ScheduleFocus (optics)Power (physics)Interface (matter)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The world is changing, and Agents seem to be on everyone’s lips. The world is changing, collaborative technologies and collaboration in general, especially across distance, is becoming more and more important. Combining the power of autonomous, pseudointelligent agents and collaborative systems is not only a good idea, we think it’s vital to making the coordination, collaboration, and communication work for people. Agents can help people share information, schedule people’s time, negotiate privacy preferences, find information, and find people, amongst other things. It is these agents that we call ‘Collaboration Agents.’ COLA 2004, following on from a very successful COLA 2003 in Halifax, will examine collaboration agents from various angles – from how information can be shared to how agents can help in surveillance. As last year, we have had several excellent contributions and look forward to some active discussion. The workshop will not focus on, for example, the development of interface of search agents- forums exist to bring this research to the fore. Our interest is in the building of a community of researchers in the area to allow the growth of a highly exciting field, one in which agents help people come together. A special issue of Computational Intelligence has been negotiated, and all of the papers from COLA 2003 and 2004 are eligible to be revised and submitted. Please bear this in mind when you continue your work. COLA 2004 has a website, and all submissions will be online:

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Crowdsensing and CrowdsourcingTravaux en français237 207