Notice bibliographique
Résumé
In this paper we report on the experience of two research projects that intended to experiment with crowdsourcing models for opening up their scholarly materials to the wider public. Both the Howitt & Fison project, and Mapping Print; Charting Enlightenment were designed to take into consideration particularities of the Australian academic environment: in the former case, sensitivities around materials relating to First Peoples; in both cases, geographical distance from potentially interested communities, and the difficulties of formal recognition and categorisation of time spent on activities that lie at the intersection of research and outreach. They had similar challenges in terms of needing to process a large amount of data before analysis and progress towards the projects’ main research goals could begin. They also had similar goals in terms of eventual use of the project data, for example, making historical texts available online, and producing maps, networks, timelines and digital exhibitions of images and texts. In the end, one project has found crowdsourcing invaluable for building connections with interested publics the other discovered that crowdsourcing was not necessary to produce the results the project needed, and has moved away from this to focus its efforts instead on the linking of existing data and automation of structuring and categorisation. This paper discusses how the projects came to take these different directions, and how the above-mentioned Australian contexts contributed to their evolution.
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 | 0,021 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,017 | 0,012 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,012 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».