Eleven Ways to Measure the Immeasurable and Count the Incalculable
Notice bibliographique
Résumé
In 2017 Ocean Networks Canada (ONC), a research infrastructure operator, sought to redefine its core reporting metrics. We asked, “which metrics should we hold as key, essential metrics to drive our organizational priorities and decision making?” This question helped us define a collection of eleven sets of yardsticks, some inward-looking, others squarely focused on societal outcomes. Here, we introduce the individual metrics adopted, insights they are helping us glean and some of their inherent challenges. ONC’s core funding agency, the Canada Foundation for Innovation (CFI), continues to emphasize scientific output as a primary criterion. We measure this by counting peer-reviewed presentations and publications resulting from use the facility and ONC’s data archives. But this seemingly clear-cut metric has been a thorny one to define, track and grow. Training and support for post-secondary students is another core reporting metric, however this measurement is also fraught with ambiguities. Some of the easier metrics to track are those specifically related to facility operations, such as reliability and user satisfaction. But we were perplexed by the question of how to measure “optimal use” of the facility, as mandated by CFI. Optimal use is hard to define for an underwater infrastructure design like ONC’s, which can be flexibly extended with no hard limits on hardware capacity, archive volume or data access. When it comes to societal benefit, our approach has been twofold. One set of metrics examines technology transfer, grants and contracts. Another set focuses on our engagements and active collaborations with governmental, indigenous and non-governmental organizations. However, some outcomes remain challenging to measure. While it is straightforward to count up our external interactions and collaborations, how can we quantify their current and future societal impact? These and related questions will be explored.
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 | 0,123 | 0,292 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,029 | 0,043 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,018 | 0,027 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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.
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 ».