MétaCan
Menu
Retour à la cohorte
Enregistrement W1536061629 · doi:10.22230/src.2013v4n1a44

A Field Note Describing the Development and Dissemination of Clear Language Research Summaries for University-Based Knowledge Mobilization

2017· article· en· W1536061629 sur OpenAlexafffundvenue
David Phipps, Krista Jensen, Michael Johnny, Gary Myers

Notice bibliographique

RevueScholarly and Research Communication · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueRecommender Systems and Techniques
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaYork UniversityOntario Ministry of Community and Social ServicesCanadian Health Services Research Foundation
Mots-clésOutreachContext (archaeology)Field (mathematics)Computer scienceWorld Wide WebField researchResearch developmentKnowledge managementPublic relationsPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

This field note places research summaries in the context of the knowledge mobilization literature and then describes the development, evaluation and dissemination of clear language research summaries as tools for research outreach, research communication and knowledge mobilization. The ResearchSnapshot clear language research summary format was developed with input from a Steering Committee comprised of academic and non-academic members. The research summary format was tested in roundtables of diverse research stakeholders and received positive feedback. The research summaries were then made accessible online and disseminated using a social media strategy. The use of twitter to enhance dissemination of the research summaries increased web traffic to the research summary database by 270%. This field note concludes with clear recommendations for individuals and organizations interested in developing their own clear language research summaries.

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)0,052
score de la tête « metaresearch » (Gemma)0,084
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,084
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0050,002
Communication savante0,0060,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0570,021

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 Opus0,220
Tête enseignante GPT0,437
Écart entre enseignants0,217 · 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.

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

Citations5
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScholarly and Research CommunicationMême sujetRecommender Systems and TechniquesTravaux en français237 207