Institutional repository of CSIR-NML and the global information seeker
Notice bibliographique
Résumé
CSIR-National Metallurgical Laboratory (NML) Jamshedpur established its institutional repository – Eprints@NML inSeptember 2009. The study looks at the use of the repository based on the repository log data. It was found that NMLScientists received 1847 enquires for their articles/projects until September, 2012 which motivated them further to enrich therepository by uploading their research outputs. As a result, by the end of September 2012 there were 5071 uploads as against3972 documents uploaded in December 2011. A total of 27, 40,343 hits were received from different countries duringAugust 2011 to September 2012 and a cumulative total of over 4.86 million hits since inception. The maximum number ofhits was 0.27 million in August, 2012. More than 75% of NML scientists/researchers have registered with Eprints@NMLfor uploading their documents. The top twenty countries accessing the repository were United States, India, Russia, China,UK, Hong Kong, Germany, Netherlands, Iran, Japan, France, Italy, Canada, Korea, Ukraine, Brazil, Poland, Australia,Turkey and South Africa.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,023 | 0,053 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,159 | 0,086 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».