Insights into the practicalities of collaboration, data and code sharing across the globe.
Notice bibliographique
Résumé
On the occasion of the tenth anniversary of the RDA, and as we approach the end of our Belmont-funded project, PARSEC (www.parsecproject.org), we felt it was time to discuss the practicalities of collaboration, data and code sharing for publication and re-use across the globe. The PARSEC team–from five geographically-dispersed countries–has collaborated for four years on the collation and harmonisation of data and the development of new methods for sharing data and code as we investigate the socio-economic effects of nature conservation initiatives. We have had very profitable partnerships in this endeavour with several leading data infrastructure and research tool providers, including ORCID, DataCite, the RDA itself, and the World Data System. In this session representatives of the key data science infrastructures (ORCID, Scholix, Crossref, DataCite, the WDS, the Environmental Data Initiative) and users (representing the voice of marine conservation, machine learning, data for artificial intelligence, health and life sciences, social inequalities in health, the geoscience community and domain variations in open science and open data) discuss the challenges they face and their vision of the optimum path to the future.
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 | 0,080 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,013 |
| Études des sciences et des technologies | 0,009 | 0,026 |
| Communication savante | 0,033 | 0,037 |
| Science ouverte | 0,003 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».