Open Scholarly Publishing and Knowledge Mobilization: Combining Two Initiatives to Achieve Social Impact
Notice bibliographique
Résumé
Trends within universities and scholarly publishers are converging to develop tools and services to maximize the societal impacts of research. The open research agenda underpins drives to improve accessibility to knowledge, while the academic community is increasingly tasked to generate “impact” on society. With obvious synergies between these agendas, it is increasingly important for collaboration across the research ecosystem to build on this complementarity. This article reflects on, and conjects a future for, academic-publisher collaborations to connect these agendas. Les tendances au sein des universités et des éditeurs savants convergent pour développer des outils et des services permettant de maximiser les impacts sociétaux de la recherche. L’agenda de la recherche de libre accès sous-tend les efforts visant à améliorer l’accessibilité aux connaissances, tandis que la communauté universitaire est de plus en plus chargée de générer un « impact » sur la société. Compte tenu des synergies évidentes entre ces agendas, il est de plus en plus important que la collaboration au sein de l’écosystème de la recherche s’appuie sur cette complémentarité. Cet article est le fruit d’une réflexion et d’une conjecture sur l’avenir des collaborations entre les universités et les éditeurs afin de relier ces agendas. Il est rédigé conjointement par un gestionnaire de l’impact de la recherche et un chercheur universitaire (Bayley), un praticien de la mobilisation des connaissances universitaire (Phipps) et des collègues d’Emerald Publishing (Roche et Lodge).
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,210 | 0,174 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».