Public Engagement and other Essential Requirements for Data Trusts, Data Repositories and Other Data Collaborations.
Notice bibliographique
Résumé
ObjectiveTo test and refine a list of 12 minimum specification essential requirements (min specs) for data trusts, data repositories, and other data collaborations that had been generated and published by a team of 19 Canadians in 2020. ApproachWe convened an international team of more than 50 people to discuss, test, and refine the 12 min specs. Twenty-three (23) organizations tested the min specs and five analysis sub-teams were formed to identify commonalities and differences in terms of how the min specs are being fulfilled, and ways to improve the min specs. In parallel, we worked with Canada’s CIO Strategy Council to develop the voluntary standard “CAN/CIOSC 100-7 Operating Model for Responsible Data Stewardship” based on the updated min specs. ResultsThe list of min specs increased from 12 to 15: one for Legal, five for Governance, four for Management, two for Data Users, and three for Stakeholder & Public Engagement. The main changes were the division of requirements that had initially been grouped together under Stakeholder & Public Engagement, one new Governance min spec focused on Indigenous data sovereignty, one new Management min spec focused on data documentation, and multiple changes to make the min specs more precise and directive. The CAN/CIOSC 100-7 standard is progressing through committees and approvals and on track to be finalized by summer 2022. To our knowledge, it will be the first standard that identifies public engagement as a requirement for data trusts, data repositories, or other data collaboratives. ConclusionsIncluding international team members in the testing and refinement of the min specs led to significant improvements. The process we used may also benefit other teams and organizations who are working to progress from frameworks and principles to practical guidance.
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 | 0,028 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,005 | 0,014 |
| Science ouverte | 0,019 | 0,027 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».