Assessing data deposits in an institutional repository (U of T Dataverse in Borealis)
Notice bibliographique
Résumé
U of T Dataverse, the University of Toronto's data repository, is one of the largest institutional dataverse collections in Borealis with over 1000 published datasets. It currently follows a self-deposit model that allows U of T researchers to deposit and publish their data without intervention unless requested. Considering increased usage of the repository and new and developing data deposit policies, we conducted an assessment of U of T Dataverse to (1) review the quality of published datasets, and (2) understand who is using the repository. This was accomplished by analyzing the monthly Borealis metrics and conducting a quality assessment of select datasets’ structure and associated metadata. Ultimately, this assessment will be used to help conceptualize curation services and identify resources to develop that would enable high-quality data deposits. In this presentation we will discuss our approach to this assessment, preliminary findings, and how this project will shape our approach to service and resource development. Overall, this project will allow us to better understand disciplinary trends relating to who is (and isn’t) using U of T Dataverse, help develop clear processes and guidelines, and inform training and departmental outreach. Longer-term, it will help us estimate the effort and time required to provide curation services, inform priorities for repository development, and help us anticipate the impact any change in national policy may have in demand for institutional services.
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 | 0,132 | 0,244 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,021 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,018 | 0,018 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».