Audit DRAMBORA for Trustworthy Repositories: A Study Dealing with the Digital Repository of Grey Literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The credibility of a grey literature digital repository can be supported by a specialized audit. An audit of credibility declares that the digital repository is not only a safe place for storage, providing access and migrating to new versions of document formats, it also asserts the care components required of a digital repository environment, including the mandate, typology, policy, team, etc. This audit is very important in showcasing to participants and users the quality and safety of the data process. This paper will present DRAMBORA (Digital Repository Audit Method Based on Risk Assessment), a methodology and tool for auditing a trustworthy digital repository of grey literature. DRAMBORA is an online instrument which helps organizations develop documentation and identify the risks of a digital repository. DRAMBORA is accessible from http://www.repositoryaudit.eu. The paper will also summarize prevailing advantages and disadvantages of DRAMBORA. The second part of this paper will describe the audit of the National Repository of Grey Literature (NRGL) as a trustworthy digital repository using DRAMBORA as part of creating a digital repository of grey literature in the National Technical Library (NTK). The most important outcome of the audit was represented by the identified risks connected to the repository and potentially endangering its operation, quality, image, and other features. The main principle of the DRAMBORA audit and, at the same time, its main contribution, is its iteration (i.e. its repetition after a certain time period in new conditions when the original risks are reassessed; the measurements adopted for solution are assessed and new risks are identified).
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle