Notice bibliographique
Résumé
Research infrastructures enabling scalable sharing of data are proliferating, at the institutional, project/consortium and national/international levels. Many of these are domain-specific, but there also is a growing focus on Research Commons that enable general data sharing across domains. Examples include the EUDAT Collaborative Data Infrastructure in Europe, the Gakunin RDM platform in Japan, and the Research Commons planned by Canada’s Digital Research Alliance (DRA). In some cases, such as Gakunin RDM, Research Commons are architected as an integrated set of complementary services, but in most existing and planned Research Commons a disparate set of unconnected services is offered. This paper describes the integration between RSpace, an active content management digital research platform, and iRODS, a policy-driven data management platform, and explains how it is designed to serve as a flexible connecting component that ties together other services that make up a Research Commons. The paper discusses how, by tying together otherwise unconnected services, inclusion of RSpace + iRODS in Research Commons enables streamlined flows of data and metadata between services, enhancing FAIR principles. This will be illustrated by considering inclusion of RSpace + iRODS in the two specific examples of Canada’s proposed Research Commons and the EUDAT Collaborative Data Infrastructure. In both cases the interaction between RSpace, iRODS, and individual services provided by the Commons will be discussed, and a comparison will be made between the two Commons and the benefits derived from the inclusion of RSpace + iRODS.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,053 |
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 ».