There's no "I" in Research Data Management: Reshaping RDM Services Toward a Collaborative Multi-Stakeholder Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: This article examines a reshaped service model for research data management (RDM) founded on centralized and cohesive collaboration between multiple stakeholders at a large research university in Canada. This initiative, along with a newly formed team dedicated to RDM service provision, is a joint effort by the institution’s Vice-Principal Research and Innovation (VPRI), Library, IT Services, and Research Ethics units.Methods: This article presents a single case study methodology. The authors reflect on services such as “query the panel” sessions where researchers across all disciplines bring their questions to representatives from the Library, IT, Research Ethics, and VPRI. This case study also highlights the use of Jira’s service desk software as a user management system. The authors also present descriptive statistics representing engagement with this new unit and our services.Results: Support for RDM requires expertise from multiple domains. With a collaborative approach as a guiding principle and a focus on establishing a small, but agile team comprised of a librarian along with stakeholders from IT and VPRI, it is possible to leverage resources and support for RDM from a broad range of units across an institution. Conclusions: At many institutions, RDM services are siloed within the library or an adjacent campus unit. New digital technologies have profoundly transformed academic research across all disciplines, necessitating the evolution of corresponding research data-related services. The authors will conclude by outlining specific lessons learned in reshaping digital research infrastructure-related services at their institution.
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.
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 | 0,019 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,006 | 0,100 |
| Science ouverte | 0,017 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle