MétaCan
Menu
Retour à la cohorte
Enregistrement W2013314064 · doi:10.1108/02640471011052016

Interoperability models in digital libraries: an overview

2010· article· en· W2013314064 sur OpenAlexaff
Mehdi Alipour‐Hafezi, Abbas Horri, Ali Shiri, Amir Ghaebi

Notice bibliographique

RevueThe Electronic Library · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueWeb Data Mining and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityDigital libraryMetadataComputer scienceWorld Wide WebCross-domain interoperabilityField (mathematics)Semantic interoperabilityOriginalityValue (mathematics)Software engineeringData science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to provide an overview of the existing interoperability models in digital libraries and to introduce related projects in each model. Design/methodology/approach The study starts from searching various databases with a combination of important keywords in the field, such as interoperability, digital library, meta‐searching and cross‐searching. The study follows up with describing related digital library projects in the field of technical interoperability. The projects are described under three main categories, Federated, Harvesting and Gathering. Findings The study shows that most of the studied projects are located in the USA and also most of the digital library projects use OAI protocol and the harvesting model in order to be technically interoperable. Also, the results of the study showed that the projects mostly paid attention to metadata interoperability and only a few mentioned full‐text interoperability issues. Originality/value The paper makes an original contribution of exploring an area (interoperability models in digital libraries), that is at the forefront of discussion in libraries worldwide.

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)0,007
score de la tête « metaresearch » (Gemma)0,009
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0140,017
Études des sciences et des technologies0,0020,006
Communication savante0,0140,027
Science ouverte0,0030,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,023
Tête enseignante GPT0,238
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
GenreSynthèse

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

En bref

Citations23
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Electronic LibraryMême sujetWeb Data Mining and AnalysisTravaux en français237 207