Revisiting the Concept of Geospatial Data Interoperability within the Scope of Human Communication Processes
Notice bibliographique
Résumé
Geospatial data interoperability has been the target of major efforts by standardization bodies (e.g. OGC, ISO/TC 211) and the research community since the beginning of the 1990s. It is seen as a solution for sharing and integrating geospatial data, more specifically to solve the syntactic, schematic, and semantic as well as the spatial and temporal heterogeneities between various representations of real–world phenomena. A few models have been proposed to automatically overcome heterogeneity of geospatial data and, as a result, increase the interoperability of geospatial data. However, the addition of a conceptual framework of geospatial data interoperability would contribute to understanding geospatial data interoperability, the appreciation of where existing contributions specifically apply, and would foster new contributions. In this paper, we revisit the concept of geospatial data interoperability within the broader scope of human communication and cognition. Human communication appears to be a rich framework since humans interoperate more easily than computers do. Accordingly, we present a conceptual framework of geospatial data interoperability that is broader in scope than existing frameworks and supported by several practical examples. An ontology of geospatial data interoperability is also introduced in order to refine the description of the conceptual framework. In such a communication–based framework, the notions of concept, context, proximity, and ontology appear to be fundamental elements. These elements constitute a new approach to geosemantic proximity.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,023 |
| Communication savante | 0,010 | 0,026 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».