Exploring the Canadian Federated Research Data Repository Service
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Good data management requires support for researchers at all stages of the data lifecycle, from policy and planning development to infrastructure that ensures data is findable, accessible, interoperable, and reusable (FAIR). While several excellent institutional, domain-specific, and general repositories currently exist both within Canada and abroad, Canada lacks nationally coordinated solutions for managing research data, and the question of where to deposit data for discovery, reuse, and preservation remains pervasive. Developed through a partnership between the Canadian Association of Research Libraries (CARL), the Portage Network, and Compute Canada, the Federated Research Data Repository (FRDR) seeks to address a longstanding gap in Canada’s research infrastructure by providing a single platform from which research data can be ingested, curated, preserved, discovered, cited, and shared. The platform’s federated search tool will provide a focal point to discover and access Canadian research data, while the range of services provided by FRDR will help researchers store and manage their data, preserve their research for future use, and comply with institutional and funding agency data management requirements. In this presentation, participants will learn about the development of the new system, current and planned functionality, the timeline for service launch, the proposed distributed service model to support institutions both locally and nationally, and a brief overview of research projects we will be supporting as the platform moves toward launch. Researchers will gain an understanding of how they can use FRDR to make their research data discoverable and accessible, as well as comply with increasing funder expectations for the management of research 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,001 |
| Communication savante | 0,041 | 0,240 |
| Science ouverte | 0,009 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle