Co-creating a Data Asset Inventory for Equity-Oriented Research
Notice bibliographique
Résumé
BackgroundData asset inventories (DAI) are invaluable resources providing high-level information about datasets, including name, region, purpose, scope, and contents. An effective DAI improves understanding about what data exists, how they can be used, and where they may be limited. Strategies for integrating principles of inclusion, diversity, equity, and accessibility (IDEA) into DAIs are not widely available, which inhibits efforts to improve existing data infrastructure’s capacity for equity-oriented research. ApproachHealth Data Research Network Canada (HDRN) is a pan-Canadian network that works collaboratively to enable innovative multi-regional research that can improve health and health equity. Central to HDRN’s mandate is strengthening researcher capacity to apply IDEA principles within their research. Within this scope of work, we convened a multi-disciplinary team of computer scientists, data experts, and IDEA specialists to build a DAI of Canadian health and social data using de-stigmatizing language. Through discussion the team identified key data categories and co-created definitions. Data sets were annotated accordingly. ResultsDiscussions highlighted disciplinary differences in understandings of IDEA and its relevance to DAIs. Overcoming these differences required IDEA specialists to be both subject matter experts and advocates. Project delays occurred due to the additional time needed for education. Productive conflict resulted in consensus-building to establish respectful and inclusive terms to describe data. DiscussionEmbedding IDEA within health data infrastructure requires a lens that may not be associated with one’s training. Developing that lens within a project is possible but requires additional time and effort. These components must be factored into project planning.
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 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 | 0,024 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,006 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».