Data Policy Standardisation and Implementation Interest Group - RDA P16 2020
Notice bibliographique
Résumé
The Research Data Alliance Data Policy Standardisation and Implementation Interest Group is concerned with data policy standardisation in particular journal data policies and funder data policies, which are known to promote and incentivise data sharing by researchers. We call for collaboration across the scholarly publishing and wider research community to drive further implementation and adoption of consistent research data policies. Our meeting objectives for Plenary 16 were two-fold: Journal data policies - continue engaging with publishers and journals, in particular with industry associations such as STM, to promote implementation and adoption of standard research data policies - and planning these initiatives in ways that enables measurement and analysis of the impact of policies. Funder data policies - discuss a potential project to examine funder-publisher policy alignment in collaboration with the Research Funders and Stakeholders Open Research and Data Management Policies IG. Research funders and research publishers are key actors in driving the transition towards a research culture where data and other research outputs are FAIR. However comparatively little work has been done to examine funder-publisher policy alignment. This presents a significant knowledge gap that hinders progress towards more consistent good practice in research data management and, ultimately, the shift towards a FAIR research system. In addition to the presentation slides, the Menti audience poll results are also included here.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,009 | 0,018 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».