MétaCan
Menu
Retour à la cohorte
Enregistrement W4412581910 · doi:10.1002/ece3.71837

Using Open Science Tools to Teach Environmental Sciences

2025· article· en· W4412581910 sur OpenAlexafffund
Mario Zuliani, Christopher J. Lortie

Notice bibliographique

RevueEcology and Evolution · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensYork University
Organismes subventionnairesYork University
Mots-clésOpen scienceComputer scienceTransparency (behavior)PublishingOpenness to experienceOpen dataWorld Wide WebEngineering ethicsData scienceKnowledge managementEngineeringPolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Open science, work and knowledge that are developed in full, offers critical resources that provide students with insights into the process of research in many fields. There are extensive opportunities within environmental sciences to incorporate open science into undergraduate level courses. There are seven major open science concepts that could be used to teach undergraduate environmental science courses that align with professional research activities, including open-access papers, pre-prints, open data, open-source software, published code, collaborative tools for version control, and open notebooks. Here, we assessed the use of these open science concepts in connection to the European Union pillars of open science, outlining key benefits, challenges, and how these tools can be used in undergraduate environmental science courses. Specifically, these tools support a framework for open science structured around eight pillars, providing incentives to collaborate, enhancing transparency and openness, and promoting diversity and inclusivity. Collectively, these tools support teaching environmental science content as many of the skills gained directly relate to analyzing environmental topics and data while supporting transparency to collaborators and stakeholders. This provides learning opportunities including finding and reusing data, team collaboration, and reading and working with code. Further endorsing the use of open science in environmental science courses can enhance these courses as these tools align with professional research activities that are currently being used, including publishing data collected in labs, pre-print publishing capstone papers or lab reports, openly publishing code used for analysis, and publishing field notes.

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)0,019
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,062
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0030,005
Communication savante0,0130,015
Science ouverte0,0030,014
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0370,011

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 Opus0,108
Tête enseignante GPT0,398
Écart entre enseignants0,289 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetResearch Data Management PracticesTravaux en français237 207