A modular and community-driven FAIR teaching and training handbook for higher education institutions
Notice bibliographique
Résumé
The FAIR principles, providing guidelines to improve the findability, accessibility, interoperability and reusability of research outputs, have become a commonly recognised practice by stakeholders in research and higher education. Although a landscape study undertaken in 2019 showed that universities are well aware of the importance of the FAIR principles and are striving towards the proper integration of FAIR-related content in curricula and teaching, the actual implementation remains a challenge (Stoy et al. 2019). To support higher education institutions in this respect, a group of 40 community experts – brought together by a book sprint organised by the FAIRsFAIR project (https://fairsfair.eu) in June 2020 – created a teaching and training handbook. It comprises tools and information covering different aspects of FAIR- and RDM-related activities. These include: common Body of Knowledge and competence profiles for the bachelor’s, master’s and PhD degree levels, suggesting which knowledge, skills and competences students should acquire in terms of FAIR, learning outcomes matching the competence profiles, specifying what students will be able to do after a course or training on the topic(s) in question, sixteen lesson plans on FAIR- and RDM-related topics, information on course design, guidance on the implementation of the principles in the institutional contex The different components of the handbook can accommodate FAIR implementation at different levels within an institution (e.g. at the faculty level and at the institutional level). The modular design of the handbook provides a framework that can be easily maintained, updated and expanded. We envision the handbook being available in multiple formats. In addition to the project deliverable (Engelhardt et al. 2021) already available on Zenodo, a print publication and a GitBook version will be published. The GitBook version provides the flexibility for future maintenance and contributions by the community beyond the project lifetime. The editorial team intends to review the impact and feedback of the handbook a year after publication. An announcement regarding long-term maintenance and development by a defined community of practice will be made by the time of the conference.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,022 |
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 ».