MétaCan
Menu
Retour à la cohorte
Enregistrement W1491166376 · doi:10.18352/lq.7656

Why the Bath Profile Makes Z39.50 Work

2001· article· en· W1491166376 sur OpenAlexfundno aff
Peter Gethin

Notice bibliographique

RevueLIBER Quarterly The Journal of the Association of European Research Libraries · 2001
Typearticle
Langueen
DomaineComputer Science
ThématiqueLibrary Collection Development and Digital Resources
Établissements canadiensnon disponible
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésComputer scienceTask (project management)Consistency (knowledge bases)ImplementationStandard Model (mathematical formulation)Work (physics)Protocol (science)Information retrievalSoftware engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Z39.50 standard has been in productive use for several years now. However, due to the way the standard has been interpreted by some Integrated Library System (ILS) vendors, the results of using the standard have often been somewhat varied at best and, at worst, non functional. The lack of consistency in the use of Z39.50 has lead to the standard being held in rather lower regard than it deserves in some quarters. It is a matter that can be debated whether the inconsistency in the implementation of the standard is the fault of the implementers ignoring aspects of the standard to make their task simpler or simply a lack of precision in the standard itself. To circumvent the debate, the Z39.50 Implementers Group (ZIG) has defined profiles for the use of the standard that are clearly defined and can be measured. This paper takes a look back at why the Z39.50 standard was invented in the first place and defines briefly how Z39.50 works. The paper then considers why implementations of the standard appear to fail and how those failures manifest themselves. With this information in hand, it is possible to make sense of the answer to the question, how does the Bath profile make Z39.50 work?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,043
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,082
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,015
Communication savante0,0180,027
Science ouverte0,0030,009
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,009

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 Opus0,031
Tête enseignante GPT0,246
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLIBER Quarterly The Journal of the Association of European Research LibrariesMême sujetLibrary Collection Development and Digital ResourcesTravaux en français237 207