Notice bibliographique
Résumé
Effective open science is more than removing paywalls. Indeed, it requires that research outputs are Findable, Accessible, Interoperable, and Reusable (FAIR). The engine that powers the FAIR principles at scale is high-quality, open metadata. This poster illustrates how Crossref's infrastructure empowers members to curate rich metadata for their records, offering a gateway to FAIR data. We demonstrate how our metadata directly support each principle: Research is findable through persistent identifiers and rich descriptive metadata, It becomes accessible through standardized resolution to the content itself, Interoperability is ensured by machine-readable formats and links to related identifiers from partner registrars such as ORCID and ROR, and create a connected graph of knowledge, And, finally, reusability is enhanced by explicit license information that clarifies how both the metadata and the research it describes can be reused. For Canadian organizations building their open science systems, understanding, leveraging, and enriching this metadata is crucial. This poster offers a guide for researchers, administrators, and funders on how to use Crossref’s open tools to ensure their research outputs are not just open, but truly FAIR and impactful.
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 | 0,154 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,010 | 0,016 |
| Communication savante | 0,036 | 0,082 |
| Science ouverte | 0,004 | 0,046 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,013 |
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 ».