Let's Talk – Interoperability between University CRIS/IR and Researchfish: A Case Study from the UK
Notice bibliographique
Résumé
Research funders and research organisations both require feedback on the progress, productivity and quality of the research they support. This information originates with researchers, but may be captured in a variety of systems including University CRIS/IR and funder systems. In 2014 all 7 national Research Councils (collectively referred to as RCUK) implemented a harmonised approach to the collection of research output data, currently supported by Researchfish Ltd (referred to as the Researchfish® system). In 2016 this process is gathering feedback from over 60,000 researchers in all UK Universities, and for funders in the USA, Canada, Denmark and the Netherlands, tracking more than £40billion of public and charity research investment and is adding to a dataset of more than 1.5 million outputs. Researchers, research managers and funders want to find ways to capture this data once and achieve wide re-use of the information. Working together University and Research Council officers, Researchfish Ltd. and Jisc have highlighted that it is important for the “interoperability” between research information systems to be improved. These organisations have started a programme of work to improve the bi-directional flow of information between University and funder systems.
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 | 0,029 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,018 | 0,011 |
| Communication savante | 0,015 | 0,016 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».