Surveying the landscape of CIHR-funded research data sharing practices: An analysis of the published literature
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
Background:As Canada increases requirements for research data management (RDM) and sharing, there is value in identifying how research data are shared, and what has been done to make them findable and reusable. This study aims to understand Canada’s data sharing landscape by reviewing how Canadian Institutes of Health Research (CIHR) funded data are shared, and comparing researchers’ data sharing practices to RDM and sharing best practices. Methods:We performed a descriptive analysis of CIHR-funded publications from PubMed and PubMed Central that were published between 1946 and Dec 31, 2019 and that indicated the research data underlying the results of the publication were shared. Each publication was analyzed to identify how and where data were shared, who shared data, and what documentation was included to support data reuse.Results:Of 4,144 CIHR-funded publications, 45.2% (n=1,876) included accessible data, 21.9% (n=909) stated data were available by request, 7.3% (n=304) stated data sharing was not applicable/possible, and we found no evidence of data sharing in 37.6% (n=1,558) of publications. Frequent data sharing methods included via a repository (n=1,549, 37.3%), within supplementary files (n=1,048, 25.2%), and by request (n=919, 22.1%). 13.1% (n=554) of publications included documentation that would facilitate data reuse.Interpretation:Our findings reveal that CIHR-funded publications largely lack the metadata, access instructions, and documentation to facilitate data discovery and reuse. Without measures to address these concerns, and enhanced support for researchers seeking to implement RDM and sharing best practices, most CIHR-funded research data will remain hidden, inaccessible, and unusable.
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 | 0,059 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,030 | 0,044 |
| Science ouverte | 0,057 | 0,100 |
| 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 découle