Notice bibliographique
Résumé
Academic social networking services (SNSs) such as ResearchGate.com or Academia.Edu have recently experienced a surge in popularity (Ortega, 2016). Existing research into academic SNSs have focused on population parameters and social networking usage patterns. Currently, no research has been conducted on the quality of bibliographic metadata on academic SNSs. Bibliographic metadata functions to support user tasks, including finding, identifying, selecting, and obtaining information resources. “Creator” metadata, which describes resource authorship, helps users find and identify digital works in a repository. Additionally, academic researchers rely on author attribution for their professional promotion and prestige, and they are accustomed to scholarly environments which implement standards that support accurate author attribution. This study therefore examines “creator” metadata for University of Alberta publications posted on Academia.Edu, and compares these with publisher created records of the same titles. Metadata quality is assessed through the measurement of completeness, consistency, and accuracy. The study reveals that Academia.Edu “creator” metadata is significantly incomplete compared to publisher metadata, and the frequency of incomplete records increases in proportion to the size of the author cohort. This incompleteness is evidence of poor metadata quality on Academia.Edu. Academia.Edu “creator” metadata is, however, much more consistent than publisher metadata. Finally, accuracy is found to be an inadequate determiner of metadata quality, as the presence of user generated metadata calls into question the conceptual stability of “authenticity” and “authority,” upon which a measure of accuracy depends. This study of metadata quality therefore reveals the complexity and contradiction that underlies this topic. In terms of completeness, Academia.Edu metadata is poor in quality. In terms of consistency, Academia.Edu metadata excels in quality. Finally, the study recommends further investigation into the definition of authority in relation to user-contributed metadata.
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 | 0,025 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,010 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».