MétaCan
Menu
Retour à la cohorte
Enregistrement W6912124845 · doi:10.5281/zenodo.1456790

Preservation And Accessibility Of Primary Research Data, Presentation Of The "Data And Service Center For Humanities" (Dasch)

2018· article· en· W6912124845 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityPresentation (obstetrics)Service (business)ReuseData curationPublishingMetadataDigital preservationOrder (exchange)

Résumé

récupéré en direct d'OpenAlex

Presentation of the "Data and Service Center for humanities" (DaSCH) at Force11 2018. The primary goals of the DaSCH are Preservation of research data in the humanities and their long-term data curation. Ensuring permanent access to research data in order to make it available for further research and thus facilitating the reuse of existing research data in future research. Providing services for researchers to assist them with the data life cycle management. Encouraging the digital networking of databases created in Switzerland or in other countries. Collaboration and networking with other institutions on digital literacy. For doing so the DaSCH developped dedicated open-source software, Knora (https://www.knora.org/), Salsah (http://www.salsah.org/) and Sipi (http://www.sipi.io/). For so diverse fields, the developped tools are generics and the DaSCH offers the consultancy and support of researchers and research projects in the Humanities regarding the creation, the use, the re-use and the long-term curation of digital data. And it operated the required technical infrastructure to effectively store the data in a fully the FAIR compliant (<em>F</em>indable, <em>A</em>ccessible, <em>I</em>nteroperable, and <em>R</em>e-usable) repository, making it interoperable by using OWL domain ontologies and publishing it through REST API.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante, Science ouverte
Catégories consensuellesCommunication savante, Science ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,564
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,019
Science ouverte0,0090,030
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,315
Tête enseignante GPT0,378
Écart entre enseignants0,063 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetResearch Data Management PracticesTravaux en français237 207