MétaCan
Menu
Retour à la cohorte
Enregistrement W3168477707 · doi:10.20396/rdbci.v17i0.8656239

Gestão de dados de pesquisa

2019· article· pt· W3168477707 sur OpenAlexfundno aff
Janete Saldanha Bach, Elaine Mandelli Arns, Faimara do Rocio Strauhs

Notice bibliographique

RevueRDBCI Revista Digital de Biblioteconomia e Ciência da Informação · 2019
Typearticle
Languept
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilU.S. National Library of MedicineSocial Sciences and Humanities Research Council of CanadaHorizon 2020 Framework ProgrammeOffice of ScienceIndustry CanadaOrganisation de Coopération et de Développement ÉconomiquesEuropean CommissionNational Institutes of HealthNational Science Foundation
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

A Ciência Aberta tem constituído uma nova abordagem para o processo de geração de conhecimento científico, com base na forma colaborativa que a produção científica tem sido criada e comunicada. Os tradicionais resultados de pesquisa como artigos, dissertações e teses, ainda que disponíveis em acesso aberto podem ser comparados à uma caixa-preta, de acordo com a perspectiva da Teoria Ator-Rede (TAR), constituindo o resultado acabado da análise de um determinado pesquisador ou grupo de pesquisadores. Este artigo, eminentemente bibliográfico a partir de descritores, utiliza a pesquisa bibliográfica e bibliométrica como métodos de tratamento dos dados, seguido de revisão sistemática da literatura. O objetivo busca evidenciar como a disponibilidade dos dados de pesquisa interfere no processo de geração e de comunicação científica. Para tal utiliza-se das concepções da TAR na identificação do papel dos dados de pesquisa dentro de uma rede, composta por elementos humanos e não humanos. Como resultados, demonstra-se a partir do ciclo de vida dos dados de pesquisa, de que forma a disponibilidade destes produz novos recursos de informação, viabilizada pela retroalimentação da atividade científica.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0170,019
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,022

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 Opus0,037
Tête enseignante GPT0,270
Écart entre enseignants0,233 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRDBCI Revista Digital de Biblioteconomia e Ciência da InformaçãoMême sujetBig Data and Business IntelligenceTravaux en français237 207