MétaCan
Menu
Retour à la cohorte
Enregistrement W4390982406 · doi:10.23977/acss.2023.071115

Design and Research of Data-driven Scientific Research Management Platform

2023· article· en· W4390982406 sur OpenAlexvenueno aff
Lei Yang

Notice bibliographique

RevueAdvances in Computer Signals and Systems · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueBig Data Technologies and Applications
Établissements canadiensnon disponible
Organismes subventionnairesYunnan Provincial Department of Education
Mots-clésResearch dataData managementData scienceComputer scienceManagement scienceKnowledge managementEngineering managementSystems engineeringEngineeringDatabaseData curation

Résumé

récupéré en direct d'OpenAlex

Based on the spiritual guidance of the national implementation of the data outline, the functions of various scientific research management platforms at the current national to provincial levels are investigated, the technical and functional characteristics of data-driven scientific research management platforms are analyzed, and the design scheme of existing technical compatibility and multi-platform cooperation is proposed. The platform uses the unified identity authentication technology to realize the data docking and integration of personnel system and financial system. Based on the data element model, the user classification and role management functions are realized, so as to realize the integration of scientific research fund budget and financial execution. The platform can track and manage the whole life cycle of project content and funds, and at the same time, it can use the network to assist the management of scientific research results, collect the authenticity of paper results in real time, and integrate visual data analysis function, which provides scientific decision-making basis for managers in the process of funding support, project establishment, review and other processes, and provide information support for the research trends of researchers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,711
Tête enseignante GPT0,537
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSimulation ou modélisation
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Computer Signals and SystemsMême sujetBig Data Technologies and ApplicationsTravaux en français237 207