MétaCan
Menu
Retour à la cohorte
Enregistrement W6892509737 · doi:10.5281/zenodo.10014364

PID Network Germany – Vision of a Networked and Open Scientific Landscape

2023· article· en· W6892509737 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueEnvironmental Monitoring and Data Management
Établissements canadiensInterface Biologics (Canada)
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Identification (biology)IdentifierField (mathematics)Focus (optics)German

Résumé

récupéré en direct d'OpenAlex

In an increasingly digital scientific landscape, the permanent and reliable identification of resources linked to research processes, its actors and their research products by means of Persistent Identifiers (PIDs) has become indispensable. However, the growing importance of PIDs in everyday research and increasingly in cultural contexts also increases the demands on their efficient usability. At the same time, users are confronted with a great variety of very different offers of PID systems and their possible fields of application. The project "PID Network Germany", funded by the German Research Foundation (DFG) and scheduled to run for 36 months, therefore aims to establish a network of existing and currently forming actors around the persistent identification of persons, organizations, publications, resources, and infrastructures in the field of digital communication in science and culture. This will not only optimize the dissemination and networking of PID systems in Germany, but also their embedding in international infrastructures such as knowledge graphs. The findings from the project will result in recommendations in a national PID roadmap for Germany, thus sharpening the vision of an interconnected and open scientific landscape. Under this guiding principle, the poster provides an overview of the different use cases of PIDs that we will focus on in the project's context. This is intended to illustrate the heterogeneous PID landscape with a focus on Germany and identify potential needs for action.

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)0,008
score de la tête « metaresearch » (Gemma)0,005
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,004
Communication savante0,0110,015
Science ouverte0,0020,009
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,033
Tête enseignante GPT0,241
Écart entre enseignants0,208 · 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
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetEnvironmental Monitoring and Data ManagementTravaux en français237 207