Global Event Data Research Registry: Taking Mass Gathering Research to the Next Level
Notice bibliographique
Résumé
Introduction: Research on events and mass gatherings is hampered by a lack of standardized and central reporting of event data and metrics. While there is work currently being done on report standardization, this will require a plan for recording, storing, and safeguarding a repository of event data. A global event data registry would further the work of standardized reporting by allowing for the collection and comparison of events on a larger scale. Aim: To characterize the considerations, challenges, and potential solutions to the implementation of a global event data registry. Methods: A review of the academic and grey literature on the current understanding and practical considerations in the creation of data registries, with a specific focus on an application to mass gathering events. Results: Findings were grouped under the following domains: (1) stakeholder identification and consultation, (2) research goals and clinical objectives, (3) technological requirements (ie hosting, format, maintenance), (4) funding (budget, affiliations, sponsorships), (5) ethics (privacy, protection, jurisdictions), (5) contribution facilitation (advertising, support), and (6) data stewardship and registry access for researchers. Conclusion: This work outlines key considerations for undertaking and implementing an event data registry in the mass gathering space, and compliments ongoing work on the standardization of data collected at mass gathering events. If practical and ethical considerations are appropriately identified and managed, the creation of an event data registry has the potential to make a major impact on our understanding of events and mass gatherings.
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 | 0,396 | 0,426 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,013 | 0,018 |
| Études des sciences et des technologies | 0,008 | 0,012 |
| Communication savante | 0,036 | 0,066 |
| Science ouverte | 0,008 | 0,035 |
| Intégrité de la recherche | 0,008 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,014 |
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 ».