MétaCan
Menu
Retour à la cohorte
Enregistrement W3116694325 · doi:10.5703/1288284317203

Lessons from Ithaka S+R on Research Practices in the Disciplines: What Have We Learned? What Should We Do?

2020· article· en· W3116694325 sur OpenAlexaff
Steven Weiland, Jennifer Dean

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensPurdue Pharma (Canada)
Organismes subventionnairesnon disponible
Mots-clésDisciplineFace (sociological concept)WorkflowEngineering ethicsSociologyWork (physics)Public relationsPolitical scienceSocial scienceEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

It is a byword of the study of academic research that disciplines mean differences. The series of studies underway at Ithaka S+R (with library partners) shows how scholars and scientists understand “Changing Research Practices.” The project’s goal is to guide libraries toward the most fruitful forms of support for research, enhancing the scholarly workflow according to disciplinary routines and innovations. Launched in 2012, nine reports have been published thus far, with others planned or anticipated. The disciplines range from history to public health, from chemistry to Asian Studies. The interview-based studies show how scholars manage their methods, and the opportunities and obstacles they face as the availability of resources in several media expand and research technologies evolve. The Ithaka S+R studies represent a unique collective portrait of scholars at work, loyal to research conventions but encountering new tools for inquiry. The reports help us understand how disciplinary habits shape expectations and experience, and what might be done to serve scholars working at change in research practices, particularly the introduction of new technologies. The reports are seen against the backdrop of views among library leaders and librarians themselves about the evolution of the liaison role, including how it can be fitted to the needs of scholars in an evolving research environment.

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)0,051
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,270

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0160,043
Communication savante0,0230,035
Science ouverte0,0030,018
Intégrité de la recherche0,0050,011
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,670
Tête enseignante GPT0,543
Écart entre enseignants0,126 · 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'étudeQualitatif
DomaineMéthodes
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetResearch Data Management PracticesTravaux en français237 207