MétaCan
Menu
Retour à la cohorte
Enregistrement W3162026408 · doi:10.3390/ijgi10050324

Implementation of FAIR Principles for Ontologies in the Disaster Domain: A Systematic Literature Review

2021· article· en· W3162026408 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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueISPRS International Journal of Geo-Information · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoSwedish Foundation for International Cooperation in Research and Higher Education
Mots-clésComputer scienceInteroperabilityOntologyReuseKnowledge sharingEmergency managementDomain (mathematical analysis)World Wide WebKnowledge managementData scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The success of disaster management efforts demands meaningful integration of data that is geographically dispersed and owned by stakeholders in various sectors. However, the difficulty in finding, accessing and reusing interoperable vocabularies to organise disaster management data creates a challenge for collaboration among stakeholders in the disaster management cycle on data integration tasks. Thus the need to implement FAIR principles that describe the desired features ontologies should possess to maximize sharing and reuse by humans and machines. In this review, we explore the extent to which sharing and reuse of disaster management knowledge in the domain is inline with FAIR recommendations. We achieve this through a systematic search and review of publications in the disaster management domain based on a predefined inclusion and exclusion criteria. We then extract social-technical features in selected studies and evaluate retrieved ontologies against the FAIR maturity model for semantic artefacts. Results reveal that low numbers of ontologies representing disaster management knowledge are resolvable via URIs. Moreover, 90.9% of URIs to the downloadable disaster management ontology artefacts do not conform to the principle of uniqueness and persistence. Also, only 1.4% of all retrieved ontologies are published in semantic repositories and 84.1% are not published at all because there are no repositories dedicated to archiving disaster domain knowledge. Therefore, there exists a very low level of Findability (1.8%) or Accessibility (5.8%), while Interoperability and Reusability are moderate (49.1% and 30.2 % respectively). The low adherence of disaster vocabularies to FAIR Principles poses a challenge to disaster data integration tasks because of the limited ability to reuse previous knowledge during disaster management phases. By using FAIR indicators to evaluate the maturity in sharing, discovery and integration of disaster management ontologies, we reveal potential research opportunities for managing reusable and evolving knowledge in the disaster community.

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)0,008
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
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 Opus0,073
Tête enseignante GPT0,422
Écart entre enseignants0,349 · 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