MétaCan
Menu
Retour à la cohorte
Enregistrement W4291651223 · doi:10.5281/zenodo.6949215

Section 30.1 and Software Collections: A Users Guide

2022· report· en· W4291651223 sur OpenAlexaboutno aff
Graeme Slaght

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typereport
Langueen
DomaineComputer Science
ThématiqueModel-Driven Software Engineering Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSection (typography)SoftwareComputer scienceWorld Wide WebProgramming languageOperating system

Résumé

récupéré en direct d'OpenAlex

Like fair dealing (Section 29), Section 30.1 of the Copyright Act, known as the “Management and maintenance of collection” exception, places certain software preservation activities by libraries, archives, and museums (LAMs) outside the scope of copyright. Section 30.1 is similar to fair dealing in that it allows LAMs to engage in software preservation activities without permission from rightsholders. Unlike fair dealing, which the Supreme Court of Canada has defined as a broad and flexible user’s right that could apply to a wide variety of uses, [see paragraphs 30-32 of Theberge and paragraph 48 of CCH) the rights granted by Section 30.1 apply to preservation activities directly and have statutorily specified eligibility requirements, limitations, and procedures. Nevertheless, it is important to understand the baseline that Section 30.1 provides to LAMs engaging in the preservation of software. Section 30.1 identifies types of lawful copying that do not require permission from rightsholders. The activities that 30.1 permits do not encompass all copying that may be necessary to preserve and maintain access to software collections, and are subject to limitation. Therefore, it is advisable to read this guide alongside SPN’s Best Practices for Fair Use in Software Preservation, the situations, principles and limitations of which are transferable into the Canadian context of fair dealing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,491

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,026
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0060,004
Communication savante0,0090,012
Science ouverte0,0040,006
Intégrité de la recherche0,0090,006
Charge utile insuffisante (le modèle a refusé de juger)0,1470,139

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,262
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetModel-Driven Software Engineering TechniquesTravaux en français237 207