Canadian Urban Data Catalogue
Notice bibliographique
Résumé
Introduction: The surge in open data platforms such as CKAN and Dataserve has expanded the urban data landscape, yet data scarcity persists due to inadequate metadata, poorly tailored data presentation, and localization challenges (Ojo et al., 2016). Decentralization of repositories further complicates data discovery and metadata inconsistencies and obstructs dataset identification, comparison, and deduplication. The Canadian Urban Data Catalogue (CUDC) addresses these issues by providing a comprehensive catalogue of both accessible and restricted Canadian urban datasets and web services. It incorporates a dataset metadata maturity model that ranks datasets by metadata completeness, where higher maturity denotes greater detail. Following Fox et al. (2024), the levels assess search-relevant attributes, extending to licensing, governance, and compliance with FAIR and indigenous data principles, ensuring a structured and mature metadata framework for catalogue entries.Methodology: The development of CUDC involves a user-centric approach, focusing on its users' practical needs and behaviours. The architecture integrates the maturity model with an advanced knowledge graph database for metadata analysis, developed as an open-source CKAN plugin that provides:1. Cataloguing: a metamodel, extension support, upload capabilities, and API access points, ensuring accessible and transparent data access policies.2. Search Functionality: a wide range of searchable metadata organized for easy data entry and retrieval.3. Dataset Usage Quality: encourages comprehensive metadata provision for determining dataset applicability and relevance.4. Search Behaviour Analysis: offers insights into dataset search models and tools, identifying key metadata across domains. References Ojo, A., Porwol, L., Waqar, M., Stasiewicz, A., Osagie, E., Hogan, M., Harney, O., and Zeleti, F. A. (2016, October). Realizing the innovation potentials from open data: Stakeholders’ perspectives on the desired affordances of open data environment. In Working Conference on Virtual Enterprises (pp. 48-59). Springer, Cham. Fox, M., Gajderowicz ,B., Lyu, D. (2024), A Maturity Model for Urban Dataset Meta-data. Manuscript under review.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,023 | 0,049 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,095 | 0,055 |
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 ».