MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Research Data Management Practices
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

2 427 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
2 427 travaux dans la cohorte · sur 4 299 418page 1 sur 49

Les étiquettes couvrent 37 des 2 427 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 2 427 des 2 427 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
The CARE Principles for Indigenous Data Governance
Stephanie Russo Carroll, Ibrahim Garba, Óscar Luis Figueroa Rodríguez, Jarita Holbrook, Raymond Lovett, S. A. Materechera +8 autres
2020· article· en· Data Science Journal· Computer Science
prédiction machine:candidate · open_scienceconsensus · aucune
1 206
citations
affnon étiqueté
FAIR Principles: Interpretations and Implementation Considerations
Annika Jacobsen, Ricardo de Miranda Azevedo, Nick Juty, Dominique Batista, Simon J. Coles, Ronald Cornet +38 autres
2019· article· en· Data Intelligence· Computer Science
prédiction machine:candidate · metaresearch+open_scienceconsensus · aucune
459
citations
affsans résuménon étiqueté
Value all research products
Heather Piwowar
2013· article· en· Nature· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
411
citations
affgemma · metaresearch+open_sciencegpt · scholarly_communication+open_sciencemodèles en désaccord
The TRUST Principles for digital repositories
Dawei Lin, Jonathan Crabtree, Ingrid Dillo, Robert R. Downs, Rorie Edmunds, David Giaretta +13 autres
2020· article· en· Scientific Data· Computer Science
prédiction machine:candidate · metaresearch+open_scienceconsensus · aucune
390
citations
affnon étiqueté
Ocean FAIR Data Services
Toste Tanhua, Sylvie Pouliquen, Jessica Hausman, Kevin O’Brien, Pip Bricher, T. De Bruin +27 autres
2019· article· en· Frontiers in Marine Science· Computer Science
prédiction machine:candidate · metaresearch+open_science+insufficient_payloadconsensus · aucune
244
citations
affnon étiqueté
Mandated data archiving greatly improves access to research data
Tim Vines, Rose L. Andrew, Dan G. Bock, Michelle T. Franklin, Kimberly J. Gilbert, Nolan C. Kane +6 autres
2013· article· en· The FASEB Journal· Computer Science
prédiction machine:candidate · metaresearch+open_scienceconsensus · metaresearch
197
citations
affnon étiqueté
The Tao of open science for ecology
Stephanie E. Hampton, Sean Anderson, Sarah C. Bagby, Corinna Gries, Xueying Han, Edmund Hart +9 autres
2015· article· en· Ecosphere· Computer Science
prédiction machine:candidate · open_scienceconsensus · aucune
195
citations
affnon étiqueté
The Confidence Database
Dobromir Rahnev, Kobe Desender, Alan Lee, William T. Adler, David Aguilar‐Lleyda, Başak Akdoğan +77 autres
2020· article· en· Nature Human Behaviour· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
161
citations
affnon étiqueté
Archiving Primary Data: Solutions for Long-Term Studies
James A. Mills, Céline Teplitsky, Beatriz Arroyo, Anne Charmantier, Peter Becker, T. R. Birkhead +57 autres
2015· review· en· Trends in Ecology & Evolution· Computer Science
prédiction machine:candidate · metaresearchconsensus · metaresearch
129
citations
afffundnon étiqueté
Ten Simple Rules for Digital Data Storage
Edmund Hart, P. Barmby, David LeBauer, François Michonneau, Sarah Mount, Patrick Mulrooney +4 autres
2016· editorial· en· PLoS Computational Biology· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
105
citations
affsans résuménon étiqueté
Ecological Data Should Not Be So Hard to Find and Reuse
Timothée Poisot, Anne Bruneau, Andrew Gonzalez, Dominique Gravel, Pedro R. Peres‐Neto
2019· article· en· Trends in Ecology & Evolution· Computer Science
prédiction machine:candidate · metaresearch+open_scienceconsensus · aucune
89
citations
afffundnon étiqueté
Closing the knowledge‐action gap in conservation with open science
Dominique G. Roche, Rose E. O’Dea, Kecia A. Kerr, Trina Rytwinski, Richard Schuster, Vivian M. Nguyen +3 autres
2021· article· en· Conservation Biology· Computer Science
prédiction machine:candidate · metaresearch+open_scienceconsensus · aucune
74
citations
affnon étiqueté
Will It Ever Be FAIR?
Chris Nicholson, Sarah Whitcher Kansa, Neha Gupta, Rachel Fernandez
2023· article· en· Advances in Archaeological Practice· Computer Science
prédiction machine:candidate · open_scienceconsensus · aucune
64
citations
affsans résuménon étiqueté
Data Sharing and Discovery: What Librarians Need to Know
Don MacMillan
2014· article· en· The Journal of Academic Librarianship· Computer Science
prédiction machine:candidate · metaresearch+scholarly_communication+open_scienceconsensus · aucune
63
citations
affnon étiqueté
Archival Records and Training in the Age of Big Data
Richard Marciano, Victoria L. Lemieux, Mark Hedges, María Esteva, William Underwood, Michael J. Kurtz +1 autres
2018· book-chapter· en· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
60
citations
affnon étiqueté
Data, disciplines, and scholarly publishing
Christine L. Borgman
2007· article· en· Learned Publishing· Computer Science
prédiction machine:candidate · scholarly_communicationconsensus · aucune
60
citations
affsans résuménon étiqueté
Open science
Michael G. Bertram, Josefin Sundin, Dominique G. Roche, Alfredo Sánchez‐Tójar, Eli S.J. Thoré, Tomas Brodin
2023· article· en· Current Biology· Computer Science
prédiction machine:candidate · open_science+insufficient_payloadconsensus · aucune
56
citations
afffundvenuenon étiqueté
Envisioning the scientific paper of the future
Natalie Sopinka, Laura E. Coristine, Maria C. DeRosa, Chelsea M. Rochman, Steven J. Cooke
2020· article· en· FACETS· Computer Science
prédiction machine:candidate · metaresearch+scholarly_communicationconsensus · aucune
52
citations
affnon étiqueté
Making an Issue out of a Standard
Florence Millerand, David Ribes, Karen S. Baker, Geoffrey C. Bowker
2012· article· en· Science Technology & Human Values· Computer Science
prédiction machine:candidate · stsconsensus · aucune
48
citations

En coulisses: Sélection · Constats · À propos