Stronger together: the case for cross-sector collaboration in identifying and preserving at-risk data
Notice bibliographique
Résumé
In the past few months, a range of grassroots initiatives have gained significant momentum to duplicate US government agency data. These initiatives are inspired by recent reports that scientific data and documentation have been removed from government websites, and by concerns over US budget proposals that slash scientific budgets [1]. National media outlets have reported on numerous "data rescue," "data refuge," and "guerrilla archiving" events that have taken place around the US and in Canada during the past few months [2]. Many of these events have focused on creating copies of Earth science data generated and held by US federal agencies. These activities have attracted hundreds of volunteers who have spent considerable time and energy working on duplicating federal data. Early connections have been made between the rescue volunteers and the federally-funded data community; these conversations have highlighted some of the different perspectives and opportunities regarding agency data. The two goals of this document are to provide the perspective of Earth science data centers holding US federal agency data on this issue, and second, to provide guidance for groups who are organizing or taking part in data rescue events. This paper is not a how-to document, and does not take a position on the political aspects of these efforts. Given the extent of the US government data holdings in the Earth sciences and other domains, it is inevitable that any grassroots data rescue will have to make strategic choices about how to invest their efforts. This document is intended to describe considerations for data rescue activities in relation to the day-to-day work of existing federal and federally-funded Earth science data archiving organizations. The authors use the ‘data rescue’ terminology throughout this text to connect with the stated goals of the grassroots ‘data rescue’ communities, though we do wish to push back on the assumption that the data being targeted by these efforts are necessarily in need of ‘rescue.’ As we discuss below, many of these data are, in fact, well managed and safe, though sometimes in ways that are less-than-obvious to someone new to the domain. We look forward to working with these communities to develop a shared sense of risk for federal 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 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 | 0,288 | 0,280 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,027 | 0,037 |
| Communication savante | 0,042 | 0,062 |
| Science ouverte | 0,010 | 0,087 |
| Intégrité de la recherche | 0,018 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,006 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».