ZÁSADY zajištení FAIRové správy a využitelnosti dat
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.
Notice bibliographique
Résumé
A comprehensive set of Guidelines to FAIRify data management and make data reusable is focusing on the topic of common policies. This compact guide offers twenty guidelines to align the efforts of data producers, data archivists and data users in humanities and social sciences to make research data as reusable as possible based upon the FAIR Principles. Each guideline has recommendations for both researchers and archives as it is recognised that different priorities may apply to each case. The guidelines result from the work of over fifty PARTHENOS, ARIADNEplus and SEADDA project members. They were responsible for investigating commonalities in the implementation of policies and strategies for research data management and used results from desk research, questionnaires and interviews with selected experts to gather around one hundred current data management policies (including guides for preferred formats, data review policies and best practices, both formal as well as tacit). Other versions of the guidelines are available in the following languages: <em><strong>English</strong></em>: "PARTHENOS Guidelines to FAIRify data management and make data reusable" (https://doi.org/10.5281/zenodo.3368858) <strong><em>French</em></strong><em>:</em><strong> </strong>"PARTHENOS Recommandations pour FAIRiser vos données" (https://doi.org/10.5281/zenodo.3463521) <em><strong>German</strong>:</em><strong> </strong>"PARTHENOS Leitfaden zur "FAIRifizierung" des Datenmanagements und der Ermöglichung der Nachnutzung von Daten" (https://doi.org/10.5281/zenodo.3363078) <strong><em>Greek:</em></strong> "PARTHENOS Οδηγίες για την εφαρμογή των αρχών FAIR στη διαχείριση και επανάχρηση δεδομένων" (https://doi.org/10.5281/zenodo.3363386) <strong><em>Hungarian:</em></strong> "PARTHENOS A tudományos adatok újrafelhasználhatóságának és FAIR kezelésének irányelveii" (https://doi.org/10.5281/zenodo.3363355) <strong><em>Italian:</em></strong> "PARTHENOS Linee guida per l’applicazione dei principi FAIR alla gestione e al riuso dei dati" (https://doi.org/10.5281/zenodo.3363243) <strong><em>Turkish</em></strong>: "Veri Yönetimi ve verinin yeniden kullanımı için FAIR Prensipleri Rehberi" (https://doi.org/10.5281/zenodo.3937149) <em><strong>Portuguese</strong></em>: "Diretrizes para aplicação dos princípios FAIR à gestão e reutilização de dados" (https://doi.org/10.5281/zenodo.3937183) <pre> </pre>
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,060 |
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 découle