MétaCan
Menu
Retour à la cohorte
Enregistrement W2301111161

Limited consensus around ARM information protection practices

2016· article· en· W2301111161 sur OpenAlexaff
Fred Cohen, Mel Leverich, Meghan Whyte, Eng Sengsavang, Grant Hurley

Notice bibliographique

RevueJournal of the South African Society of Archivists · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital and Cyber Forensics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Value (mathematics)Sample (material)BusinessPublic relationsKnowledge managementComputer sciencePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Archives and Records Management (ARM) literature surrounding Information Protection (IP) has been developed in relative isolation from the IP field. As a result, it has been unclear until now whether and to what extent ARM literature and practice is consistent with or divergent from IP literature and practice. This paper compares IP and ARM information protection through the lens of a Standard of Practice (SoP). An existing enterprise IP SoP was adapted to ARM through literature analysis and produced a draft ARM SoP. The draft ARM SoP was applied in a rote fashion to a small sample of government-operated archives to identify likely areas of consensus and lack of consensus surrounding the various elements of the SoP. This resulted in some areas of strong consensus and other areas of strong divergence. A horizontal element was also used to identify whether and to what extent learning and thinking about the issues caused changes in evaluation. Increased consensus was found after a delay between initial exposure to the SoP and subsequent review of SoP elements. While this is a small sample study, it points toward both the need and the value of larger and more comprehensive studies in order to afford a clear consensus around reasonable and prudent practices for ARM IP and the value of additional awareness, training, and education in IP issues within the ARM community.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,188

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,224
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the South African Society of ArchivistsMême sujetDigital and Cyber ForensicsTravaux en français237 207