MS14 Inventory of existing (meta-)data format interoperability solutions
Notice bibliographique
Résumé
This document reports on the SSHOC project Milestone 14 inventory process and results. Earlier work of task 3.5 delivered D3.1 Report on SSHOC (meta)data interoperability problems, which provided an inventory of metadata and data formats used by the SSHOC communities, recommendations for metadata standards and data file formats, and priorities for providing conversion services. MS14 report provides an inventory of existing metadata and data format conversion solutions, technology and practices relevant to the social sciences and humanities per D3.1. These conversion solutions will provide the content for the SSHOC Interoperability Hub and are a starting point for better interoperability. Limitation of scope to (meta)data conversions is explained in D3.1. When investigating (meta)data conversion solutions, the team has identified two groups of solutions: A ready to use web-service that is provided by a research infrastructure, research center or organisation, or a commercial company; Complex solutions that can entail the use of several services and manual steps. In the remainder of this report, this type of solutions are referred to as conversion recipes that need to be well-documented. The sources used in the inventory process were D3.1, re-analysis of the expert interviews conducted in spring 2019, desk research to collect information about existing solutions, and different available SSH service registries and other information sources, e.g. TAPoR, CLAPOP, CLARIN VLO, PARTHENOS SSK, and DDI Tools.
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 | 0,085 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,032 | 0,025 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,021 | 0,020 |
| Science ouverte | 0,007 | 0,018 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,027 |
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 ».