Decentralised Semantics: A Semantic Engine User Perspective
Notice bibliographique
Résumé
The Findable, Accessible, Interoperable and Reusable (FAIR) data principles were created to guide the improvement of research data (Wilkinson et al., 2016). As data curators and educators, we often see individual research groups and researchers establish their own unique data collection process, resulting in poor and inconsistent data documentation. At the conclusion of the project, while the data may be accessible and understood by members within the team, it is often not readily usable to anyone outside of those most closely associated with data collection and analysis. The root cause of this is the difficulty to document the pertinent information required to capture the context in which data was captured, processed, and presented. And even when this is attempted it tends to be static and non-machine actionable. As a result, the project data might be FAIR but it is not visible and the cost of re-use is too high as currently few protocols are machine actionable. The availability of context documentation will help other researchers understand and facilitate the re-use the data. Agri-Food Data Canada operates across multiple projects in different fields and run by different institutions. It is a natural environment to recognize the need of decentralized semantic definitions where each research group can influence, modify, or adjust the definition of the data while maintaining integrity of data objects (e.g., schema, data sets, catalogues) across the ecosystem. This practice paper describes the release of the first version of the Semantic Engine leveraging OCA, an architecture to document schemas optimized for decentralized collaboration and reproducibility. OCA leverages new technologies on self-addressing identifiers and enables content-based authority vs. location-based authority. We present here the first results of the Semantic Engine development and the future application.
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 | 0,034 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,020 | 0,040 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».