Implementation of FAIR Principles for Ontologies in the Disaster Domain: A Systematic Literature Review
Notice bibliographique
Résumé
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.
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 | 0,034 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,026 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».