Using the Web of Science to Populate Faculty Articles in an Institutional Repository
Notice bibliographique
Résumé
Background: Faculty at Central Washington University (CWU) were not depositing and preserving their research articles in the University Institutional Repository (IR), so an alternative method to identify and include faculty scholarship in the IR was developed. Librarians used the Web of Science to discover articles published by the CWU faculty and then deposited them in the IR. Analysis: Thousands of articles written by CWU faculty were located and deposited. This project increased interaction with the IR from outside the library and the university beyond any expectations. Conclusion and implications: This was a successful project, but it required a useful interface to locate the metadata and librarians with highly technical skills.RésuméContexte: Les facultés à Central Washington University (CWU) ne déposaient ni ne preservaient leurs articles de recherche au dépôt institutionnel, alors une méthode alternative d’identifier et inclure la bourse de la faculté dans ce dernier a été développé. Les documentalistes utilisaient le Web of Science pour découvrir les articles publiés pa la faculté de CWU et ensuite les déposer au dépôt institutionnel. Analyse: Des milliers d’articles écrits par la faculté de CWU on été retrouvé et déposé. Ce projet a augmenté considérablement les interactions externes avec le dépôt institutionnel. Conclusion et implications: Ce projet fut un succès mais nécessiterait d’utiliser une interface permettant de localiser les metadata et les documentalistes grâce à de grandes compétences techniques.
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 | 0,016 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,017 | 0,016 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,007 |
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 ».