Migrating from Nesstar to Borealis, the Canadian Dataverse Repository
Notice bibliographique
Résumé
The Canadian ODESI repository (https://www.odesi.ca) aggregates 6,000+ social science datasets including microdata and census data from Statistics Canada, Canadian polling agencies, and other sources. Developed and maintained by Scholars Portal, it is the outcome of ongoing collaboration between members of the Ontario Council of University Libraries (OCUL, https://www.ocul.on.ca). After 15 years providing data access and tools to the Canadian research community, the repository infrastructure is due for an upgrade. In early 2022, the platform's back-end began migrating from Nesstar to Dataverse, a state-of-the art, DDI-compliant repository platform. The current project phase involves migrating five data collections into a testing instance of Borealis, the Canadian Dataverse Repository, and a concurrent redevelopment of the ODESI front-end. This presentation will share and discuss our initial findings, with a primary focus on Dataverse and DDI metadata interoperability issues—alongside other common migration challenges like data/metadata quality, migration workflow management, stakeholder and institutional change management, and sustainability. Our aim is to formulate a migration approach that is community-based, in collaboration and dialogue with the Canadian and international RDM, Dataverse and DDI communities.
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 | 0,017 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,016 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,016 | 0,014 |
| Science ouverte | 0,007 | 0,016 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,010 |
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 ».