Carl-Coar Joint Webinar On Ir Usage Statistics
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
Institutional repositories (IRs), by virtue of their ability to give increased visibility to the institution’s scholarly outputs, are valued for their vast amount of open scholarly content. Libraries wishing to demonstrate use (and value) frequently report the number of file downloads sustained by their IR. However, commonly used analytics tools are unsuited for this purpose and produce results that dramatically under-count or over-count file downloads. As well, although statistics can sometimes be accessed through the various repository interfaces, without an agreed standard it is impossible to reliably assess and compare usage data across different IRs in any meaningful way. The first part of this webinar will explain the reasons for the inaccuracies in most IR download counts and will introduce a new web service called Repository Analytics and Metrics Portal (RAMP), which provides much more accurate counts of file downloads to IR managers, with almost no installation or training requirements. Aggregated data collected with RAMP also creates the potential for interesting new streams of research about IR. RAMP was developed with funding from the Institute of Museum and Library Services. The second half of this webinar will focus on another approach at standardizing institutional research data download statistics: IRUS-UK, a national aggregation service, which contains details of all content downloaded from participating IRs in the UK. By collecting raw usage data and processing them into item-level usage statistics, following rules specified by COUNTER, IRUS-UK provides comparable and authoritative standards-based data and also acts as an intermediary between UK repositories and other agencies.
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 | 0,001 | 0,002 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 0,009 |
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