MétaCan
Menu
Retour à la cohorte
Enregistrement W2086856330 · doi:10.1089/omi.2013.0158

Legal Agreements and the Governance of Research Commons: Lessons from Materials Sharing in Mouse Genomics

2014· article· en· W2086856330 sur OpenAlexafffund
Amrita Mishra, Tania Bubela

Notice bibliographique

RevueOMICS A Journal of Integrative Biology · 2014
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensUniversity of Alberta
Organismes subventionnairesRIKENNational Institutes of HealthUniversity of British ColumbiaEuropean CommissionINFRAFRONTIERMedical Research CouncilUniversity of ManitobaRegeneron PharmaceuticalsUniversity of California, DavisGenome CanadaHospital for Sick ChildrenAustralian GovernmentUniversity of CalgaryWellcome TrustStem Cell NetworkCanadian Institutes of Health ResearchWellcome
Mots-clésCommonsCorporate governanceEnforcementBusinessPolitical scienceKnowledge managementComputer scienceLawFinance

Résumé

récupéré en direct d'OpenAlex

Omics research infrastructure such as databases and bio-repositories requires effective governance to support pre-competitive research. Governance includes the use of legal agreements, such as Material Transfer Agreements (MTAs). We analyze the use of such agreements in the mouse research commons, including by two large-scale resource development projects: the International Knockout Mouse Consortium (IKMC) and International Mouse Phenotyping Consortium (IMPC). We combine an analysis of legal agreements and semi-structured interviews with 87 members of the mouse model research community to examine legal agreements in four contexts: (1) between researchers; (2) deposit into repositories; (3) distribution by repositories; and (4) exchanges between repositories, especially those that are consortium members of the IKMC and IMPC. We conclude that legal agreements for the deposit and distribution of research reagents should be kept as simple and standard as possible, especially when minimal enforcement capacity and resources exist. Simple and standardized legal agreements reduce transactional bottlenecks and facilitate the creation of a vibrant and sustainable research commons, supported by repositories and databases.

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)0,090
score de la tête « metaresearch » (Gemma)0,108
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,475

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0900,108
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0140,052
Communication savante0,0170,028
Science ouverte0,0030,017
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,200
Tête enseignante GPT0,448
Écart entre enseignants0,249 · 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'étudeQualitatif
DomaineReproductibilité
GenreEmpirique

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

En bref

Citations14
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOMICS A Journal of Integrative BiologyMême sujetAnimal testing and alternativesTravaux en français237 207