MétaCan
Menu
Retour à la cohorte
Enregistrement W2616990141 · doi:10.16995/dm.36

Building a Digital Research Community in Medieval and Early Modern Studies: The Australian Network for Early European Research

2012· article· en· W2616990141 sur OpenAlexvenueno aff
Toby Burrows

Notice bibliographique

RevueDigital Medievalist · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePhilippine History and Culture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésService (business)Work (physics)Government (linguistics)Digital governmentScale (ratio)Library sciencePolitical scienceEngineeringGeographyComputer scienceDigital transformationWorld Wide WebBusinessMarketingCartography

Résumé

récupéré en direct d'OpenAlex

This paper examines the work done by the Australian Network for Early European Research (NEER) to build a national digital research community in this field. Funded through the Australian Research Council's Research Networks programme during the period 2005-2010, NEER's overall goal was to enhance the scale and focus of Australian research in medieval and early modern studies. Developing and implementing appropriate digital technologies was one of the main methods used to address this goal. In the end, NEER's digital programme produced three main services: a service for collaboration (Confluence), a service for the publication and storage of research outputs (PioNEER), and a service for identifying and engaging with the objects of this research (Europa Inventa). This paper evaluates the effect of these services on Early European research in Australia. It also considers their future, now that government funding for NEER has ended.

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)0,018
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,752
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,003
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,322
Tête enseignante GPT0,464
Écart entre enseignants0,143 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital MedievalistMême sujetPhilippine History and CultureTravaux en français237 207