Appel à communications pour la 5ème édition de e-TI
Bibliographic record
Abstract
e-TI, revue electronique en technologies de l’information, sollicite aussi bien les u niversitaires que les industriels pour presenter leurs resultats de recherche, leurs reflexions et l es tendances dans les thematiques liees aux TI. Son but est de favoriser les echanges des connaissances en TI. e-TI, revue en libre acces, est initiee par le laboratoire SIR, Systemes d’Information et Repartition de l’EMI avec le soutien de l’Agence Universitaire de la Francophonie (AUF) et le partenariat de l’ENSIAS, le CNAM, l’ENIT et Khawarizm’ic. Le numero 5 sera compose des rubriques suivantes : « Etat de l’art » propose un etat de l’art d’un theme dans le domaine des TI. « Recherche » rassemble des articles portant sur la theorie, la conception, la specification ou l’implementation d’outils lies aux TI. Les articles traitant d’axes emergents sont particulierement les bienvenus. « Experience R&D » met en evidence des experiences de developpement et leur validation. « Tendances » presente les tendances d’une thematique particuliere. « Fiche equipe de recherche » presente les travaux d’une equipe de recherche. Cette rubrique a pour but d’encourager les reseaux de cooperation. « J’ai lu » introduit et critique un ouvrage. Themes La liste suivante suggere (mais ne limite pas) les themes de e-TI. Systemes d’information, Reutilisation et approche composant, Environnement collaboratif, Bases de donnees, Data mining, Base de connaissances, Systemes repartis, Interoperabilite et Integration, Technologies Internet et Web, Web Semantique, Ontologie, Web services, Applications Internet : e-gouvernement, e-Business … Securite et confidentialite Utilisabilite, accessibilite et adaptativite Intelligence artificielle. Soumission Les auteurs sont invites a soumettre des articles en francais respectant les recommandations aux auteurs dans les rubriques citees : 20 pages maximum pour les articles de recherche, 22 pages maximum pour l’etat de l’art, 10 pages maximum pour l’experience R&D, 2 pages maximum pour les fiches equipes. La soumission est a effectuer par voie electronique a l’adresse eti@revue-eti.net ou a partir du site www.revue-eti.net . La selection sera realisee suite a une double lecture anonyme. Dates importantes Date limite de soumission : 29 avril 2007 Notification aux auteurs : septembre 2007 Version finale : novembre 2007 Publication prevue : decembre 2007 Comite scientifique BELLACHIA Abdelghani, Universite Georges Washington, Etats-Unis CHIADMI Dalila, EMI, Maroc GIRAUDIN Jean-Pierre, LSR-IMAG, France ROLLAND Colette, Universite Paris1-Sorbonne, France ROUDIES Ounsa, EMI, Maroc Comite de redaction AHMED-NACER Mohamed, USTHB, Algerie ALIMAZIGHI Zahia, USTHB, Algerie AMGHAR Mustapha, EMI, Maroc BAINA Karim, ENSIAS, Maroc BAKKOURY Zohra, EMI, Maroc BARKAOUI Kamel, CNAM, France BELLACHIA Abdelghani, GWU, USA BENHLIMA Laila, EMI, Maroc CHIADMI Dalila, EMI, Maroc COHEN Atika, ULB, Bruxelles COULETTE Bernard, GRIMM-ISYCOM, France DSOULI Rachida, Concordia Canada ELEULDJ Mohcine, EMI Maroc FREDJ Mounia, ENSIAS, Maroc FRONT Agnes, LSR-IMAG, France GIRAUDIN Jean-Pierre, LSR-IMAG, France RIEU Dominique, LSR-IMAG, France ROLLAND Colette, Paris1-Sorbonne, France ROUDIES Ounsa, EMI Maroc TAMZALIT Dalila, Universite de Nantes, France
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.371 | 0.259 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".