Key Factors in the establishment of an academia-government center of public sector administrative data and policy research
Notice bibliographique
Résumé
A collaborative between the Government of New Brunswick (GNB) and the University of New Brunswick to establish a center of public sector administrative data and policy research was envisioned in 2012. Subsequent work between the parties led to the establishment of the New Brunswick Institute for Research, Data and Training (NB-IRDT) in 2014. Academia-government partnerships are not unique in Canada, however what sets this apart is: 1) the legislative approach used to support research, 2) scope of administrative data made available, 3) value placed on anonymized linked data, 4) governance overseeing the partnership, and 5) measures taken to ensure the protection of citizens’ data. In 2017, the New Brunswick Act Respecting Research received proclamation. This Act serves to provide clarity and addresses gaps in access and use of personal / health data for research. The Act has opened the doors for NB-IRDT with data owners of public sector organizations. NB-IRDT may now receive pseudonymous personal data from any public sector program collecting personal information. The partnership is governed by several advisory committees each serving a different role in overseeing the growth of NB-IRDT; overall direction setting being led by a panel of Deputy Ministers and the Clerk (the senior ranking civil servant in GNB.) The collaboration is well positioned to support public policy research and fosters the use of evidence-based information in the development of government programs and services. The partnership has also helped to encourage new and innovative thinking within GNB about the value of linkable data to support decision-making.
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 | 0,173 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,033 | 0,042 |
| Communication savante | 0,053 | 0,017 |
| Science ouverte | 0,006 | 0,032 |
| Intégrité de la recherche | 0,012 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».