Much Ado About Data Citation : Work done in SSHOC Task 3.4 "Making Data Findable by being Citable
Notice bibliographique
Résumé
The SSHOC project is bringing together the key research data infrastructure players in SSH communities. SSHOC task “Making Data Findable by Being Citable“ (3.4) part of CLARIN-led Work Package “Lifting Technologies and Services into the SSH Cloud” is working on the use of citation in the SSH. A workshop “Data Citation in Practice” was organized June 2021 which presented solutions for efficient data citation via different perspectives from the SSH. Following this event, a study was carried out on 85 data repositories from the SSH domain investigating their approach to and facilities for data-citation (See SSHOC Deliverable D 3.5). This work was done by making extensive use of the “FAIR SSH Citation prototype”, developed in the SSHOC citation task, to harvest metadata in a normalized way from heterogeneous technologies provided by these different repositories. The presentation will provide insights on how these results can be adapted to be used by CLARIN as recommendations to improve Data Citation practice and thus foster the visibility of CLARIN resources. Another interesting complementary topic is the potential use of the citation-prototype, already integrated into the CLARIN Language Resource Switchboard, and its development for CLARIN in other complementary ways, eg. with the emerging DOG (Digital Object Gateway) SCCTC CLARIN project.
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 | 0,059 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,017 | 0,020 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,017 | 0,027 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,020 |
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 ».