MétaCan
Menu
Retour à la cohorte
Enregistrement W2914152083 · doi:10.1177/155019060500200205

Teaching Risk Management of Collections Internationally

2005· article· en· W2914152083 sur OpenAlexaffabout
Catherine Antomarchi, Agnes W. Brokerhof, Stefan Michalski, I. Verger, Robert Waller

Notice bibliographique

RevueCollections A Journal for Museum and Archives Professionals · 2005
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueConservation Techniques and Studies
Établissements canadiensCanadian Museum of Nature
Organismes subventionnairesnon disponible
Mots-clésRisk managementCultural heritageOrder (exchange)BusinessProcess (computing)Diversity (politics)Value (mathematics)Risk analysis (engineering)Public relationsPolitical scienceComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Risk assessment and the purpose it serves, risk management, are widely adopted by business, institutions, and governments, seeking to minimize future losses of all kinds. If the preservation goal of museums is stated as the delivery of the collection to some future point in time with as little loss in value as possible, then risk assessment and risk management provide the only rational means to reach this goal. Difficulties arise due to uncertainty and complexity. A three-week course on this method has been designed, and recently offered, by ICCROM (the International Center for the Study of the Preservation and Restoration of Cultural Property) and the Canadian Conservation Institute (CCI), with the collaboration of leading experts from the Canadian Museum of Nature (CMN) and the Netherlands Institute for Cultural Heritage (ICN). Demand for the knowledge was strong, as shown by the number and diversity of applicants worldwide. Great care and effort was taken with the design of the learning process and the supporting resources, in order to overcome the known, and profound, challenges of the subject. The result has been successful.

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)0,010
score de la tête « metaresearch » (Gemma)0,019
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,019
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,003
Communication savante0,0100,007
Science ouverte0,0030,009
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0250,006

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 Opus0,033
Tête enseignante GPT0,310
Écart entre enseignants0,277 · 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
GenreMéthodes

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

En bref

Citations7
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCollections A Journal for Museum and Archives ProfessionalsMême sujetConservation Techniques and StudiesTravaux en français237 207