The Experience of Establishing Data Sharing & Linkage Platforms for Administrative, Research and Community-Service Data
Notice bibliographique
Résumé
INTRODUCTION: Innovative data platforms (e.g. biobanks, repositories) continually emerge to facilitate data sharing. Extant and emerging data platforms must navigate myriad tensions for successful data sharing and re-use. Two Alberta data platforms navigated such processes and factors regarding administrative, research and nonprofit data: the Child & Youth Data Laboratory (CYDL) and Secondary Analysis to Generate Evidence (SAGE). OBJECTIVES: To clarify the social and policy factors that influenced CYDL and SAGE establishment and implementation, and the relationships, if any, between these factors and data type. METHODS: This paper involves a qualitative secondary analysis of two developmental evaluations on CYDL and SAGE establishment. Six-years post-implementation, the CYDL evaluation entailed document review; website user analysis; interviews (n=30); online stakeholder survey (n=260); and an environmental scan. One-year post implementation, the SAGE evaluation included 15 interviews and document review. We used thematic analysis and comparisons with the literature to identify key factors. RESULTS: Three (not mutually exclusive) categories of social and policy factors influenced the navigation towards CYDL and SAGE realization: trusting relationships; sustainability amidst readiness; and privacy within social context. For these platforms to be able to manage, link or share data, trust had to be fostered and maintained across multiple, dynamic and intersecting relationships between primary data producers, data subjects, secondary users and institutions. Platform sustainability required capacity building and innovation. Privacy and information sharing evolved culturally and correspondingly for these data platforms, which required constant flexibility and awareness. CONCLUSIONS: This analysis calls for more empirical research on the value of data re-use or the detriment in not re-using data. While the culture of information sharing is progressing towards greater openness and capacity for data sharing and re-use, successful data platforms must advocate, facilitate and mobilize analysis and innovation using data re-use while being cognizant of social and policy influences.
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 | 0,044 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,017 |
| Communication savante | 0,013 | 0,014 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».