MétaCan
Menu
Retour à la cohorte
Enregistrement W4416623654 · doi:10.5256/f1000research.20551.r46587

Referee report. For: Open laboratory notebooks: good for science, good for society, good for scientists [version 2; peer review: 1 approved, 1 approved with reservations]

2019· article· en· W4416623654 sur OpenAlexfundno aff
Lara M. Mangravite

Notice bibliographique

RevueFaculty of 1000 Research Ltd · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAcademic Publishing and Open Access
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Federation of Pharmaceutical Industries and AssociationsUniversity of TorontoGenome CanadaFundação de Amparo à Pesquisa do Estado de São PauloOntario GenomicsOntario Ministry of Research, Innovation and ScienceInternational Seafood Sustainability FoundationWellcome TrustNovartis PharmaOntario Genomics InstituteMerck KGaAPfizer
Mots-clésGood practiceWork (physics)

Résumé

récupéré en direct d'OpenAlex

The fundamental goal of the growing open science movement is to increase the efficiency of the global scientific community and accelerate progress and discoveries for the common good. Central to this principle is the rapid disclosure of research outputs in open-access peer-reviewed journals and on pre-print servers. The next bold step in this direction is open laboratory notebooks, where research scientists share their research — including detailed protocols, negative and positive results — online and in near-real-time to synergize with their peers. Here, we highlight the benefits of open lab notebooks to science, society and scientists, and discuss the challenges that this nascent movement is facing. We also present the implementation and progress of our own initiative at openlabnotebooks.org, with more than 20 active contributors after one year of operation.

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)0,009
score de la tête « metaresearch » (Gemma)0,122
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,646

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,122
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0050,001
Communication savante0,0060,004
Science ouverte0,0030,003
Intégrité de la recherche0,0110,007
Charge utile insuffisante (le modèle a refusé de juger)0,5470,388

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 Opus0,180
Tête enseignante GPT0,486
Écart entre enseignants0,306 · 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
DomaineReproductibilité
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueFaculty of 1000 Research LtdMême sujetAcademic Publishing and Open AccessTravaux en français237 207