Data in Jeopardy
Notice bibliographique
Résumé
During the last 30 years, there has been a serious neglect of the information base stored within our data holdings. In the 1800's data was stored in media such as books, which had encapsulated indexes, meta information, versioning and data. The media, paper, was stable and could be opened up a hundred years later and the information could still be retrieved. Due in large part to rapid technology shifts and the lack of appropriate international standards, this is no longer the case. For the past 30 years, technology shifts have created serious problems in large data repositories. The constant change of storage media from punched cards, to paper tape to 800 BPI magnetic tapes, to cartridges, to magnetic disks, to optical media etc. has resulted in major problems for very large data archives. The hardware and software required to read the old media may not be available in a hundred years, leaving the entire information base in a crisis state. The technology providers also constantly change application software to store and read data. These changes are sometimes implemented within the space of six months, such as in GIS and Wordprocessing software applications. The software is not always backward compatible due to the encapsulation of proprietary file architectures, algorithms and smart compression. These file architectures, algorithms, compression or otherwise, may not be available if the company should ever go out of business or radically change the application domain. There is an urgent need to stabilize the storage data structures to some open international standard for long term archival. If not, the large data holdings will be in jeopardy - not in a hundred years but in less then ten years. A generic storage mechanism, SDS (Self Defining Structure), has been proposed to the ISOTC211 WG1 under the guidance of the Image and Gridded Data Working Group. This paper addresses problems encountered in the state of the data sets used for Canada's Law of the Sea project and possible solutions using SDS (Self Defining Structures) and distributed archives.
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 | 0,008 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,018 | 0,021 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,167 | 0,081 |
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 ».