MétaCan
Menu
Retour à la cohorte
Enregistrement W3113007096 · doi:10.23889/ijpds.v5i5.1543

Transformation of Data Access Models In BC

2020· article· en· W3113007096 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal for Population Data Science · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueScientific Research and Technology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTimelineProvisioningComputer scienceData accessData managementDatabaseData scienceOperating systemStatistics

Résumé

récupéré en direct d'OpenAlex

IntroductionThe current data access model in BC involves project-specific applications and data provisioning. The timeline from application to provisioning is 6-8 months. Novel initiatives including Program of Research (POR), Core Data Sets (CORE), and Data Reuse are being explored and evaluated.
 Objectives and ApproachWe aim to develop data provisioning models that improve efficiency and access timelines by reducing process duplication and adopting open and flexible approaches to data use while ensuring data privacy.
 ResultsPOR allows researchers to access broad programmatic data that fulfills data requirements for multiple thematically-linked projects. While we provision the program data, a research team data manager extracts the project-specific data from the program dataset. A pilot program with two active projects is ongoing. The timeline from application to program data provisioning was 8 months. Project data was delivered in 2-3 months.
 CORE is a transformative data provisioning model that allows researchers to access entire data sets that contain a group of pre-approved and non-sensitive data variables for the BC population for all available years. This decreases the possibility of variable omission which is prevalent under the existing process. Additionally, this model allows researchers the flexibility to identify their cohort using their preferred methodology.
 Data Reuse allows re-use of data between similar projects conducted by the same investigator. Projects were surveyed for similar objectives, investigators and data requirements. Similar projects were grouped and analyzed to evaluate pre-implementation timelines. Application to provisioning timeline for one group of six projects ranged from 7-18 months. Post-implementation timelines will be evaluated once Data Reuse is implemented.
 Conclusion / ImplicationsThese new initiatives have shown promising results in access efficiency and data privacy in the pilot phase. Continuous process and privacy evaluations are involved and ongoing collaborations with the data providers and researchers are required prior to full implementation.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,024
Science ouverte0,0180,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,339
Tête enseignante GPT0,471
Écart entre enseignants0,132 · 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