Note: Leveraging Artificial Intelligence to build a Data Catalog and support research on the Sustainable Development Goals
Notice bibliographique
Résumé
The Sustainable Development Goals (SDGs) are the framework adopted by the global community to encourage taking actions on the multiple challenges facing the world today to ensure environmental protection, health and well-being, and economic prosperity. This framework provides a detailed list of indicators that are interconnected and cover a holistic view on sustainable development. The goals were defined by the United Nations General Assembly in 2015 and expected to be achieved by 2030. Since the release of this agenda, the research community has begun to intensify work in these areas, yet these efforts seem to be relatively limited. This is especially true about the employment of data and artificial intelligence (AI), which are not widely engaged in SDGs related topics. The AI-based research on SDGs and further developments depends heavily on the availability and accessibility of related real-world data collected by the community. However, there is no central, structured, and holistic database of datasets and metadata associated with the SDGs, which prevents large-scale collaboration on these topics. In this paper, we present the SDG Data Catalog, a global open-source database indexing SDG-related datasets, associated metadata, and research networks. We describe the construction of this catalog, which relies on state-of-the-art natural language processing models with human supervision. The catalog breaks down data silos and helps sustainability researchers navigate the data sea to initiate effective collaborations.
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 | 0,043 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».