Notice bibliographique
Résumé
Open has defined my professional career in every way imaginable: for almost ten years now it has been the motivating force in my career, the mode in which I work, and the subject that I research.As a result, today I live and breathe open-but it has not always been this way.What follows is the story of how open proved itself to me.It is a story that demonstrates how participating in open projects and processes can lead to unexpected opportunities.In my case, these opportunities have taken me on a journey from an itinerant software developer, to a workshop instructor in over a dozen countries, to a PhD at Stanford University, and finally to an academic career.These opportunities have lead to my contributing thousands of lines of code, over a dozen research articles, two edited books, countless workshops for journal editors, and the teaching of undergraduate and graduate students.More importantly, they have allowed me to contribute back to the region of the world from which I emigrated as a child by helping to amplify the voices of Latin American scholars worldwide.This unexpected journey started in January 2006 when I took a job at the open access Journal of Medical Internet Research (JMIR), where I was responsible, among other things, for upgrading the journal to the latest version of the Public Knowledge Project's (PKP) open source software Open Journal Systems (OJS).JMIR has been a pioneer in open access, and it was doing so using open source software as its foundation.Unbeknownst to me at the time, this convergence of open source with open access would become the defining trait of my career.
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 | 0,023 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,027 | 0,016 |
| Communication savante | 0,050 | 0,030 |
| Science ouverte | 0,002 | 0,026 |
| Intégrité de la recherche | 0,007 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,021 |
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.
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 ».