Data Management for Systematic Reviews: Guidance is Needed
Notice bibliographique
Résumé
Data management practices for systematic reviews and other types of knowledge syntheses are variable, with some reviews following open science practices and others with poor reporting practices leading to lack of transparency or reproducibility. Reporting standards have improved the level of detail being shared in published reviews, and also encourage more open sharing of data from various stages of the review process. Similar to project planning or completion of an ethics application, systematic review teams should create a data management plan alongside creation of their study protocol. This commentary provides a brief description of a Data Management Plan Template created specifically for systematic reviews. It also describes the companion LibGuide which was created to provide more detailed examples, and to serve as a living document for updates and new guidance. The creation of the template was funded by the Portage Network.
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 | 0,574 | 0,774 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,010 |
| Méta-épidémiologie (sens large) | 0,019 | 0,018 |
| Bibliométrie | 0,039 | 0,060 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,023 | 0,026 |
| Science ouverte | 0,010 | 0,012 |
| Intégrité de la recherche | 0,024 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,057 | 0,075 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».