MétaCan
Menu
← Retour à la cohorte
Enregistrement W6930569349 · doi:10.5281/zenodo.1491659

D3.5 Assessment Of Implementation Priorities For International Alignment

2018· article· en· W6930569349 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueFungal and yeast genetics research
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésMetadataOrder (exchange)Open standardInternational standardOpen dataGlobal network

Résumé

récupéré en direct d'OpenAlex

An important activity for COAR is to align repository networks in order to create a seamless global repository network and demonstrate that repositories offer a viable solution for open access. The activities target three levels of engagement: (1) strategic, (2) technical and semantic interoperability, and (3) services. In May 2017, eight regional/national initiatives signed an International Accord for Repository Networks (Australasia, Canada, China, Europe, Japan, Latin America, South Africa, and United States). The aim of the accord is to increase collaboration across regional repository networks in order to strengthen and enhance the distributed, community-based open access infrastructure around the world. A distributed system will ensure responsiveness to local needs and contexts and also reduces the risk of commercial buy out. However, in order to support the development of value added services on top of repositories, we need to ensure the widespread, international adoption of common functionalities, open APIs, and standard approaches to vocabularies and metadata. Based on the principles and agreements outlined in the International Accord, the signatories have agreed to the following four next steps: 1. Common global vision for repositories 2. Implementation of next generation repositories (NGR) 3. Adoption and improvement of networked services and technologies 4. Standard vocabularies and metadata This document provides an assessment of progress to date in each of these four areas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,169
score de la tête « metaresearch » (Gemma)0,147
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,896

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1690,147
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0090,010
Études des sciences et des technologies0,0100,005
Communication savante0,0360,021
Science ouverte0,0070,024
Intégrité de la recherche0,0110,008
Charge utile insuffisante (le modèle a refusé de juger)0,0380,006

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,336
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetFungal and yeast genetics research→Travaux en français237 207→