icepyx: Community and Software for the Open Science Journey
Notice bibliographique
Résumé
Abstract Open science accelerates our ability to collaborate and produce quality, inclusive scientific results, making it essential for addressing the challenges of our time. Despite its collaborative nature and outcomes, any one person's path to doing science openly can be highly nonlinear and individualized. Many researchers are supportive of open science ideals like inclusivity, sharing data, collaborating on code, and reducing duplication of effort while increasing reproducibility. Yet these same researchers may lack the safe spaces, support, and technical training required to fully explore what it means to conduct their science openly and collaboratively. Most open-source software communities are truly welcoming, inclusive, and highly supportive of learning and growth, but it can still be intimidating for scientists to enter or remain in these technical spaces. Smaller communities and software packages that provide discipline-, instrument- and/or sensor-specific tooling can fill a critical gap by offering a more intimate space for facilitating open science practices, particularly among researchers who may have minimal formal software development training to accompany their domain expertise. The icepyx (pronounced ice-picks) community and Python software library aims to (1) provide technical software solutions to address shared challenges in NASA’s ICESat-2 data access and analysis pipeline; and (2) create a community and space for people to learn how to collaborate on software and foster the open sharing and co-working that readily takes place during in-person workshops but can be difficult to emulate in a virtual space. By providing a supportive, peer-led space for contributors to practice open, shared development throughout their project timelines, icepyx facilitates the long-term skill building and collaboration required to achieve the ideals of open science that make science accessible, time-efficient, and open for all. More Information Slides for a presentation (talk) in American Geophysical Union (AGU) 2024 Annual Meeting session U31C: Open Science Recognition Prize.
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 | 0,023 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,019 |
| Science ouverte | 0,005 | 0,036 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,034 |
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 ».