Frameworks and Models for Disseminating Curated Research Outcomes to the Public
Notice bibliographique
Résumé
In our post-truth society, mobilizing “facts” and “evidence” has never been more important. We live in an age that is paradoxically information rich due to the proliferation of Internet Communication Technologies (ICTs) and information poor due to the spread of misinformation. Academic research outcomes are traditionally disseminated via peer-reviewed publications, conference presentations, and in the classroom; however, this research is not often effectively communicated to both decision makers and the general public(s). There is no perfect way of disseminating research outcomes; however, there are lessons to be learned from curatorial and communication frameworks developed in museums as these institutions have a long history educating and engaging the public. This article explores the new concept of “research curation,” or rather the enhanced dissemination of curated research outcomes to reach diverse audiences. Closing the “gap” between academia and the public is essential for increasing civic literacy around issues that threaten sustainability. By adapting curatorial and communication methods developed in museums along with ICT models, the practice of “research curation” can be an effective framework for improved dissemination of academic knowledge.
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 | 0,209 | 0,216 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,017 | 0,010 |
| Études des sciences et des technologies | 0,008 | 0,038 |
| Communication savante | 0,034 | 0,036 |
| Science ouverte | 0,010 | 0,018 |
| Intégrité de la recherche | 0,015 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
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 ».