Preserving the agricultural data story at the Ontario Agricultural College
Notice bibliographique
Résumé
Established in 1874, the Ontario Agricultural College (OAC) at the University of Guelph maintains a broad base of research activities, ranging from social and environmental conditions of rural communities, to health benefits of new foods, to more traditional plant and animal based agricultural research. Increasingly, OAC is recognized as the "research powerhouse" at the university, supported by the Ontario Ministry of Agriculture, Food and Rural Affairs and the three major federal funding agencies: Natural Sciences and Engineering Research Council of Canada (NSERC), Canadian Institutes of Health Research (CIHR), and Social Sciences and Humanities Research Council (SSHRC). With a broad spectrum of research, come a variety of research protocols, data formats, and outputs. Labs and research institutes develop their own data management processes, many without a preservation and access plan. To provide a cohesive approach to managing research projects, we developed a series of research data management (RDM) workshops for the OAC community. This series was piloted during the summer of 2017, and, based on its popularity, was offered again in fall 2017 and winter 2018. This presentation will discuss our tailored approach to teaching RDM along with impressions and feedback from participants. Connecting to the community through RDM is leading to hidden troves of historical agricultural data, allowing us to preserve the data story of OAC for almost 150 years.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,025 | 0,015 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».