Small, thick, and slow: Thinking about data and research publication in the Humanities in the age of Open and FAIR
Notice bibliographique
Résumé
We often speak about "Scholarly Communication" as if it is a single enterprise. This is despite our experience, which suggests that every (sub)discipline has different understandings about almost every part of the process: from the value of journals, to the function of referees, to the very point of publication. This is particularly true of the Humanities, which often seem like a complete outlier when it comes to many core aspects of modern networked research communication. They have different monopolistic presses, can be even more difficult to capture using standard bibliometric tools, and, perhaps most importantly, can have completely different understandings as to the purpose and nature of their major processes and elements. In this paper, I look particularly at the question of data and their relation to research publication in the Humanities. I argue that at least some types of traditional humanities data are quite different from those dominant in other disciplines, and that the failure to recognise this has prevented us from fully understanding the strengths of traditional approaches to research in these disciplines. I conclude by discussing an approach to the publication and citation of data in the Humanities that attempts to account for these differences and make it easier to incorporate traditional research in "big data" approaches to aggregation and reuse.
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 | 0,155 | 0,323 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,023 | 0,036 |
| Études des sciences et des technologies | 0,018 | 0,110 |
| Communication savante | 0,063 | 0,147 |
| Science ouverte | 0,006 | 0,017 |
| Intégrité de la recherche | 0,010 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».