25 Years of BOSC, the Bioinformatics Open Source Conference
Notice bibliographique
Résumé
The 25th annual Bioinformatics Open Source Conference (BOSC 2024, open-bio.org/events/bosc-2024) was part of the 2024 conference on Intelligent Systems for Molecular Biology (ISMB 2024). Launched in 2000 and held yearly since, BOSC is the premier meeting covering open-source bioinformatics and open science. ISMB 2024 was held in Montréal, Canada, with an online participation option. A total of nearly 2000 people attended; about 200 people participated in BOSC sessions. Over the course of two days, BOSC covered a wide range of topics in open science and open source bioinformatics, including Data Analysis, Open Data, Visualization, Developer Tools and Libraries, Standards and Frameworks for Open Science, and Open AI/ML. Mélanie Courtot delivered an impactful first keynote with a perspective on how “The Data Shows We Need Better Data”. The second keynote speaker, Andrew Su, discussed “Open Data, Knowledge Graphs, and Large Language Models.” BOSC ended with a panel, “Open Source AI/ML: A Game Changer for Bioinformatics?,” in which Lawrence Hunter and Thomas Hervé Mboa Nkoudou joined BOSC’s keynote speakers as panelists. Immediately following BOSC, the CollaborationFest was held at Montréal’s University of Québec campus. First launched in 2010, CoFest is a collaborative work event held yearly around BOSC. This year’s CoFest included 42 participants who worked together on 10 projects.
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 | 0,036 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,023 | 0,010 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,131 | 0,088 |
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 ».