Survey data: The Contribution of European Citizen Science Projects to the UN Sustainable Development Goals (SDGs)
Notice bibliographique
Résumé
We launched and distributed a survey across European citizen science networks in summer 2020 via the online survey tool https://www.soscisurvey.de/. We presented an English and a German version. The survey was developed in preparation for the Citizen Science SDG conference ‘Knowledge for Change: A Decade of Citizen Science (2020-2030) in Support of the SDGs’, organised by the Museum für Naturkunde Berlin (Germany) on 14-15 October 2020, as an official event of Germany’s 2020 EU Council presidency. The questionnaire was open from July, 29 until October 12, 2020. In total, we received 195 responses (see raw dataset). Due to a lack of consent to data storage (n = 2) or incomplete records (n = 68), 125 responses could ultimately be included in the analysis. All survey data were analysed through simple descriptive statistics in order to summarise and combine the collected information (see Excel sheet also containing data analyses). Quotes from open spaces were used to support the results presenting real and practical experiences/concerns from the respondents. These answers were examined through simple content analysis. To do this, they were also categorised and quantified. The dataset includes: -raw data (cvs, N=195) -Excel-sheet with evaluations (n=125) -list of variables -list of values -questionnaire
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 | 0,015 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».