MétaCan
Menu
Retour à la cohorte
Enregistrement W2976223060 · doi:10.7557/5.4876

Data citation in linguistics publications

2019· article· en· W2976223060 sur OpenAlexaffabout
Helene N. Andreassen, Andrea L. Berez-Kroeker, Lauren Collister, Philipp Conzett, Christopher Cox, Koenraad De Smedt, Lauren Gawne, Bradley McDonnell

Notice bibliographique

RevueSeptentrio Conference Series · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCitationPresentation (obstetrics)Scholarly communicationPublishingLinguisticsApplied linguisticsComputer scienceField (mathematics)SociologyLibrary sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Watch the VIDEO. The creation and dissemination of reproducible research is receiving ever-growing attention in discussions on best practices in publication and education. A key element of these practices is appropriate citation of data sources. In this presentation we describe one scholar-led initiative to increase awareness of the value of data citation in scholarly communication across the discipline of linguistics. Practices in linguistics are varied; it is primarily a data-driven social science, in which inferences about the properties of language, human cognition, cultures and societies are drawn from observations of language. The primary data sets underlying the field are records of these observations in the form of, for instance, texts, audio/video recordings and annotations. While linguists have always relied on language data, they have not always facilitated access to those data in publications (Berez-Kroeker et al. 2018). A great deal of published linguistic research is therefore not reproducible, either in principle or in practice. A primary factor hindering reproducible research in linguistics is the lack of standards for data citation in scholarly publishing. Lacking such standards, the field continues to emphasize linguistic analyses over linguistic data, and as a result, linguists have little incentive to make the data behind research publications accessible. Funded by the US National Science Foundation, since 2015 we have endeavored to develop and promote standards for citing data. We are an international (Norway, US, Canada, Australia) team of scholars including linguistic data practitioners, scholarly communication librarians, and digital archivists. In this presentation we discuss our coordinated efforts over the past four years, including: Network building 3 international workshops to identify technical and sociological barriers to research data citation in linguistics publications; The formation of the Linguistics Data Interest Group (https://rd-alliance.org/groups/linguistics-data-ig) within the Research Data Alliance, with nearly 100 members from the international linguistics scholarly community. Outreach activities Short-form technical courses and presentations offered through the Linguistic Society of America. Deliverable products An open-access position paper (Berez-Kroeker et al. 2018). The Austin Principles of Data Citation in Linguistics (http://linguisticsdatacitation.org), which annotates the FORCE11 Joint Declaration of Data Citation Principles (Data Citation Synthesis Group 2014) for linguistic scholarship. Guidelines for citing linguistic data to be shared in late 2019 with linguistics journal editors and stylesheet curators. The open-access Open Handbook of Linguistic Data Management (MIT Press Open, est. publication date 2020). With this presentation, we aim to encourage practitioners in other fields to initiate similar advancements, and to encourage decision-makers and publishers to actively collaborate with and support scholar-led initiatives working toward better research practices.

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)0,068
score de la tête « metaresearch » (Gemma)0,382
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,359

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0680,382
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0780,144
Études des sciences et des technologies0,0080,010
Communication savante0,0360,028
Science ouverte0,0040,016
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0430,014

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,308
Écart entre enseignants0,257 · 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.

Devis d'étudeObservationnel
DomaineReproductibilité
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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSeptentrio Conference SeriesMême sujetNatural Language Processing TechniquesTravaux en français237 207