MétaCan
Menu
Retour à la cohorte
Enregistrement W2096998268

Sustainability Issues for Australian Research Data: The report of the Australian eResearch Sustainability Survey Project

2006· article· en· W2096998268 sur OpenAlexfundno aff
Markus Buchhorn, Paul E. McNamara

Notice bibliographique

RevueANU Open Research (Australian National University) · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Mathematical SciencesMedical Research CouncilFlinders UniversityArts and Humanities Research CouncilDirectorate for Biological SciencesNational Institutes of HealthUniversity of WarwickNatural Environment Research CouncilUniversity of CanberraNational Archives of AustraliaSwinburne University of TechnologyUniversity of Technology SydneyResearch Councils UKUniversity of New South WalesOntario Ministry of Natural Resources and ForestryNational Library of AustraliaAustralian Academy of ScienceAustralian Academy of the HumanitiesNational Science FoundationUniversity of South AustraliaFisheries Research and Development CorporationNational Health and Medical Research CouncilQueensland University of TechnologyCommonwealth Scientific and Industrial Research Organisation
Mots-clésSustainabilitySustainability scienceEnvironmental resource managementSustainability organizationsEnvironmental planningBusinessGeographyEnvironmental science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Australian e-Research Sustainability Survey (AERES) project was undertaken by the Australian Partnership for Sustainable Repositories (APSR) and the Australian Partnership for Advanced Computing (APAC) to survey the sustainability issues for data-intensive research projects, including the capabilities and demands of research groups and institutions for the storage, access, and long-term management of research data.

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)0,236
score de la tête « metaresearch » (Gemma)0,453
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesMétarecherche
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,942

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2360,453
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,027
Études des sciences et des technologies0,0060,005
Communication savante0,0120,009
Science ouverte0,0040,012
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,526
Tête enseignante GPT0,542
Écart entre enseignants0,016 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueANU Open Research (Australian National University)Même sujetResearch Data Management PracticesTravaux en français237 207