Open scholarship in Australia: A review of needs, barriers, and opportunities
Notice bibliographique
Résumé
Abstract Open scholarship encompasses open access, open data, open source software, open educational resources, and all other forms of openness in the scholarly and research environment, using digital or computational techniques, or both. It can change how knowledge is created, preserved, and shared, and can better connect academics with communities they serve. Yet, the movement toward open scholarship has encountered significant challenges. This article begins by examining the history of open scholarship in Australia. It then reviews the literature to examine key barriers hampering uptake of open scholarship, with emphasis on the humanities. This involves a review of global, institutional, systemic, and financial obstacles, followed by a synthesis of how these barriers are influenced at diverse stakeholder levels: policymakers and peak bodies, publishers, senior university administrators, researchers, librarians, and platform providers. The review illustrates how universities are increasingly hard-pressed to sustain access to publicly funded research as journal, monograph, and open scholarship costs continue to rise. Those in academia voice concerns about the lack of appropriate open scholarship infrastructure and recognition for the adoption of open practices. Limited access to credible research has led, in some cases, to public misunderstanding about legitimacy in online sources. This article, therefore, represents an urgent call for more empirical research around ‘missed opportunities’ to promote open scholarship. Only by better understanding barriers and needs across the university landscape can we address current challenges to open scholarship so research can be presented in usable and understandable ways, with data made more freely available for reuse by the broader public.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,042 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,030 | 0,062 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,023 | 0,005 |
| Science ouverte | 0,013 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».