Distributed database technologies for citizen science and data sovereignty
Notice bibliographique
Résumé
Citizen science has a strong potential to contribute to the democratisation of science worldwide. In addition, such approaches can lead to the creation of “living” datasets that evolve over time, even in regions where few hydrological instruments have been installed. Citizen science approaches, however, do face a number of hurdles. One major challenge is the need for a central server to receive, manage and host the data contributed by volunteers; such servers require expert knowledge to configure and are also quite costly to maintain or rent over extended periods of time. These difficulties pose a challenge to the long-term financial sustainability of citizen science initiatives in the long term, especially after project funding has ceased. In addition, the centralisation of data on a server creates a very strong dependency for the participating communities; if their access to the internet is limited or costly, or if the server is not maintained after the end of the project, communities will be unable to contribute new data or even view and use previously contributed data. In this context, distributed databases, such as Constellation, offer a different approach. In these systems, every device (phone or computer) that contributes data to or reads data from the network is a client and sever in its own right and can store and transmit community data to other participants in the network, all without the need for a central server. The low barrier to entry and absence of server costs allows such networks to be rapidly developed and deployed with minimal budgets, all while becoming stronger and more resilient as they grow in popularity and users. In the African context, such an approach may contribute to wider adoption of citizen science tools and projects, as well as to better data sovereignty and sustainability.
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 | 0,026 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,020 | 0,042 |
| Science ouverte | 0,006 | 0,017 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».