There for the Reaping: The Ethics of Harvesting Online Data for Research Purposes
Notice bibliographique
Résumé
Online social environments offer a rich source of data that researchers can harvest to gain insight into a wide range of social issues. This type of research is sometimes considered as observation of public behaviour, and therefore exempt from ethical review. This type of research, however, raises ethical issues with respect to the public/private nature of online spaces, consent, and anonymity in the online environment. This project examines research ethics guidelines for recommendations regarding the use of harvested online data, identifying best practices for researchers who engage in this type of research. Les media sociaux offrent une riche source de données que les chercheurs peuvent récolter pour mieux comprendre un large éventail de problèmes sociaux. Ce type de recherche est parfois considéré comme une observation du comportement du public, et donc exempt de tout examen éthique. Ce type de recherche, cependant, soulève des problèmes éthiques en ce qui concerne la nature publique / privée des espaces en ligne, le consentement et l'anonymat dans l'environnement en ligne. Ce projet examine les lignes directrices en matière d'éthique de la recherche pour des recommandations concernant l'utilisation des données récoltées en ligne, identifiant les meilleures pratiques pour les chercheurs qui s'engagent dans ce type de recherche.
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 | 0,240 | 0,350 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,013 | 0,034 |
| Communication savante | 0,029 | 0,018 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,009 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,006 |
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 ».