MétaCan
Menu
Retour à la cohorte
Enregistrement W2911812283 · doi:10.1002/pra2.2018.14505501077

Decolonizing archival description: Can linked data help?

2018· article· en· W2911812283 sur OpenAlexaff
Jennifer Douglas, Greg Bak, Evelyn McLellan, Seth van Hooland, Raymond O. Frogner

Notice bibliographique

RevueProceedings of the Association for Information Science and Technology · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDigital and Traditional Archives Management
Établissements canadiensUniversity of ManitobaFractal Systems (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIndigenousExpansivePossession (linguistics)Variety (cybernetics)Context (archaeology)Linked dataWorld Wide WebComputer scienceHistorySemantic WebArchaeology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Archival description documents the provenance of records, their interrelationships, and the processes of their creation. The concept of archival provenance was first elaborated in the context of 19th‐century European archival institutions and reflects particular socio‐historical perspectives on the nature of records and recordkeeping. Decolonizing archival description is a necessity, not only because it contributes to the discoverability of Indigenous knowledge woven into records of shared provenance, but also because it disrupts traditional concepts of singular provenance, calls attention to complex processes of records creation, and permits more expansive understanding of record contexts. Linked data appears to (1) promise the ability to represent complex multiple provenances, (2) promote multiple perspectives on the creation of records and (3) allow archives and Indigenous communities to work together to implement what the First Nations Information Governance Centre has characterized as Indigenous ownership, control, access and possession of records of shared provenance. From a variety of perspectives, this panel provides a critical analysis of linked data as a candidate solution for decolonizing archival description.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,495

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,237
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Association for Information Science and TechnologyMême sujetDigital and Traditional Archives ManagementTravaux en français237 207