Providing DDI metadata for OAI-PMH harvesting a Dataverse repository
Notice bibliographique
Résumé
The approach that leads to the adoption of DDI as a standard to document resources from a research data bank, is, in a great share, the promise of users being able to use and compare different data sources. To facilitate discovery and searching, aggregator portals gather different sources of metadata in one place. The OAI-PMH protocol (Open Archives Initiative's Protocol for Metadata Harvesting) is widely used in this context for compiling metadata from various sources, including but not limited to data repositories. The DDI documentation standard has been a toolbox of choice at the CDSP of Sciences Po from the start of its documentation activities in 2006. Since 2016, the CDSP has been carrying out experiments with the open-source repository software Dataverse of the Dataverse Project© that is being developed at Harvard Institute for Quantitative Social Science (IQSS), along with collaborators and contributors worldwide and supported by the Global Dataverse Community Consortium. First dedicated to the Human and Social Sciences, Dataverse is now widely used beyond this first domain, and is the underlying infrastructure of several national repositories as in the Netherlands, Canada, France or more recently Denmark. From 2020 onwards, the CDSP is in charge of Science Po's institutional research data repository, data.sciencespo. Among numerous assets, Dataverse features an OAI-PMH server that provides embedded metadata either Dublin Core or DDI. The CDSP relies on this facility to act as a metadata provider for several portals of various scope and characteristics (domain, languages of sources and research output types). In the course of our dialogue with the OAI-PMH service providers, we have identified several points of attention that we will share here. In addition, we will also highlight how metadata describing data repositories available on portals such as re3data or FAIRsharing.org, can contribute to support data discovery by end users.
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 | 0,033 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,016 | 0,020 |
| Science ouverte | 0,004 | 0,023 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,067 |
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 ».