قالببندی مقاله ACM با هوش مصنوعی
نسخه داوری و نسخه نهایی مقاله رو طبق درخواست همون محل انتشار آماده کنید و شکلها، اطلاعات نویسنده و فایلهای تحویلی رو جدا بررسی کنید.
قالببندی مقاله ACM با هوش مصنوعی از این انتخاب شروع میشه که دارید برای داوری فایل میفرستید یا مقاله پذیرفته شده و باید نسخه نهایی رو تحویل بدید. اسکیل acm-sigconf به ایجنتتون کمک میکنه دستور همایش یا نشریه رو بخونه، قالب مناسب Word یا LaTeX رو انتخاب کنه و تاثیر این انتخاب روی اطلاعات نویسنده و شکل صفحه رو بررسی کنه. اسم ACM به تنهایی برای تعیین همه تنظیمات کافی نیست.
مثلا ممکنه برای نسخه داوری لازم باشه اسم نویسندهها دیده نشه ولی در فایل اصلی هنوز فرادادهای باقی مونده باشه که هویت رو نشون میده. یا یک شکل گویا روی صفحه داشته باشید، اما توضیح متنی اون فقط تکرار عنوان شکل باشه. ایجنت میتونه این موردها رو به شکل یک فهرست بررسی دربیاره. بعد از پذیرش، اطلاعات حق انتشار و فایلهای منبع رو از روی مدارک واقعی تکمیل میکنید، چون نمونههای داخل راهنما مشخصات مقاله شما نیستن.
کاربردها
- برای نسخه بینام مقاله، متن، سپاسگزاری و مشخصات ثبتشده در فایل رو طبق دستور همایش بررسی کنید.
- برای توضیح شکل مقاله، چیزی رو بنویسید که خواننده بدون دیدن تصویر باید بفهمه.
- در انتخاب قالب acmart تفاوت حالت بررسی و خروجی نهایی رو با فراخوان مقایسه کنید.
- برای بررسی منابع مقاله، ارجاعهای متن و فهرست منابع رو در نسخه ساختهشده کنار هم ببینید.
- برای تحویل نسخه نهایی، اطلاعات فرم انتشار و فایلهای اصلی رو قبل از فرستادن مرور کنید.
نصب و استفاده
- به یک ایجنت، متن مجاز مقاله، فراخوان فعلی و قالب رسمی Word یا محیط محلی TeX با acmart نیاز دارید. برای آماده کردن فایل، حساب انتشار لازم نیست.
- مثلا بگید «این نسخه برای داوریه. تنظیمات قالب و مواردی رو که شاید نویسنده رو معرفی کنن بررسی کن و تغییرهای پیشنهادی رو توضیح بده».
- خروجی ساختهشده رو صفحه به صفحه بخونید و قبل از تحویل، قواعد همین دوره همایش رو با نسخه فایلها تطبیق بدید.
سوالات متداول
منبع
ساخته Kalaris Labs (Sayan Chowdhury). نام اصلی: acm-sigconf، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub