La réutilisation des données ouvertes au Québec : du développement économique à la transparence gouvernementale
Notice bibliographique
Résumé
Basé sur l’histoire des données ouvertes au Québec, le présent article traite de la réutilisation de ces données par différents acteurs de la société en vue d’obtenir les retombées économiques, administratives et démocratiques souhaitées. À partir de l’analyse des mesures gouvernementales et des pratiques de la communauté en matière de réutilisation des données, l’étude montre que les retombées des données ouvertes semblent peu concluantes en termes de croissance économique. En revanche, leurs retombées paraissent prometteuses du point de vue de la transparence gouvernementale en permettant à différents acteurs de la société civile de surveiller l’intégrité et la performance des activités de l’État. À l’ère des données numériques et des réseaux, l’État doit être vu non seulement comme une plateforme propice à l’innovation, mais aussi comme un terrain d’observation faisant l’objet d’une surveillance étroite par divers acteurs motivés par des visées politiques et sociales. Remarques à l’intention des praticiens Bien que les retombées économiques des données ouvertes ne se sont pas montrées concluantes jusqu’ici, du moins au Québec, les administrations publiques ne doivent pour autant cesser d’investir dans l’ouverture de leurs données. Les résultats de l’étude tendent à montrer que les retombées des données ouvertes en termes de transparence sont, quant à elles, suffisamment porteuses pour poursuivre la libération des données gouvernementales, ne serait-ce que pour appuyer les activités d’évaluation et de planification des programmes et des services publics.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».