How To Write A (Good) Data Description: Developing Best Practice
Notice bibliographique
Résumé
When researchers share their research as a published journal article, it includes an abstract. We understand these well: we don't always follow best practices, but there is substantial literature on what should be in an abstract, guides to writing effective abstracts, and journal-level standards for highly structured abstracts. The same is not true for descriptions of published data sets, and the advice for journal articles is not universally applicable. Researchers are increasingly incentivized to make research data available in a public data repository, documented using controlled vocabularies and well-defined metadata fields. Most data documentation standards include a title and at least one field for summarizing the data set which are open-ended, plain text, unconstrained fields. These "unmanaged” fields are particularly important for most search engines, as they are the metadata fields most consistent with natural language, for which search has been highly optimized. They play an important role in some search and filtering tasks, particularly among emerging scholars and novice users. While expert data managers and others have developed the ability to write thorough and useful dataset descriptions, we've observed that data repositories and catalogues, and most data documentation standards, have inconsistent and vague instructions on the content of the dataset description field. Broadly, our objective is to establish evidence-based guidance for effective documentation of datasets using unstructured text fields. We have reviewed existing literature and best practices to establish core guiding principles to support the authors of dataset descriptions. These principles have been refined through consultations with data librarians, data repository managers, and other experts. This poster describes the refined proposed guidelines, explains the reasoning behind each, and solicits input and feedback on what is required for a set of guiding principles to help users write better, more useable data set descriptions.
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 | 0,553 | 0,732 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,007 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,034 | 0,026 |
| Études des sciences et des technologies | 0,013 | 0,032 |
| Communication savante | 0,045 | 0,064 |
| Science ouverte | 0,018 | 0,028 |
| Intégrité de la recherche | 0,016 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,019 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».