MétaCan
Menu
Retour à la cohorte
Enregistrement W2758931109 · doi:10.25439/rmt.27353664

International comparators: How does Australia compare internationally?

2024· other· en· W2758931109 sur OpenAlexaboutno aff
Katherine Howard

Notice bibliographique

RevueRMIT Research Repository (RMIT University Library) · 2024
Typeother
Langueen
DomaineArts and Humanities
ThématiqueDigital and Traditional Archives Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeskCompetence (human resources)Political scienceLibrary sciencePublic administrationGeographyManagementLawComputer science

Résumé

récupéré en direct d'OpenAlex

Executive summary This report, produced by Dr Katherine Howard and commissioned by the GLAM Peak Bodies, is based on desk research carried out over the period of April to June 2017. Dr Howard was asked to investigate national strategies for digital access to collections in other parts of the world, identify themes within them, and provide recommendations as to how they might inform digital access strategies at the state, territory and federal level in Australia. It is part of the first stage of the Catalyst-funded Digital Access to Collections project 2016-2017. Key findings Strategies analysed came from Europe (28 in total), Canada and New Zealand. Surprisingly, there was little variation identified in the strategies from Europe. The Canadian and New Zealand strategies, although being of a later date than the European ones, also did not provide much variation. The key findings also form the basis of the recommendations. The key findings are: ○ National strategies for digitisation and preservation are created in response to cultural policies set by Ministers of Culture ○ Use of a Secretariat ○ Competence Centres ○ Preservation of digital materials as a high priority ○ The existence (or development) of a national register of digitisation projects ○ Developing Public-private partnerships (PPPs) for funding

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,118
score de la tête « metaresearch » (Gemma)0,260
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,624

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1180,260
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0120,020
Études des sciences et des technologies0,0020,003
Communication savante0,0110,014
Science ouverte0,0030,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,002

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,264
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRMIT Research Repository (RMIT University Library)Même sujetDigital and Traditional Archives ManagementTravaux en français237 207