Researchers at Arab Universities Hold Positive Views on Research Data Management and Data Sharing
Notice bibliographique
Résumé
A Review of: Elsayed, A. M., & Saleh, E. I. (2018). Research data management and sharing among researchers in Arab universities: An exploratory study. IFLA Journal, 44(4), 281–299. https://doi.org/10.1177/0340035218785196 Abstract Objective – To investigate researchers’ practices and attitudes regarding research data management and data sharing. Design – Email survey. Setting – Universities in Egypt, Jordan, and Saudi Arabia. Subjects – Surveys were sent to 4,086 academic faculty researchers. Methods – The survey was emailed to faculty at three Arab universities, targeting faculty in the life sciences and engineering. The survey was created using Google Docs and remained open for five months. Participants were asked basic demographic questions, questions regarding their research data and metadata practices, and questions regarding their data sharing practices. Main Results – The authors received 337 responses, for a response rate of 8%. The results showed that 48.4% of respondents had a data management plan and that 97% were responsible for preserving their own data. Most respondents stored their research data on their personal storage devices. The authors found that 64.4% of respondents reported sharing their research data. Respondents most frequently shared their data by publishing in a data research journal, sharing through academic social networks such as ResearchGate, and providing data upon request to peers. Only 5.1% of respondents shared data through an open data repository. Of those who did not share data, data privacy and confidentiality were the most common reasons cited. Of the respondents who did share their data, contributing to scientific progress and increased citation and visibility were the primary reasons for doing so. A total of 59.6% of respondents stated that they needed more training in research data management from their universities. Conclusion – The authors conclude that researchers at Arab universities are still primarily responsible for their own data and that data management planning is still a new concept to most researchers. For the most part, the researchers had a positive attitude toward data sharing, although depositing data in open repositories is still not a widespread practice. The authors conclude that in order to encourage strong data management practices and open data sharing among Arab university researchers, more training and institutional support is needed.
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 | 0,043 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».