Modèle de plan de gestion des données : Accès aux données des centres de données de recherche (RCCDR)
Notice bibliographique
Résumé
Le modèle du Réseau canadien des Centres de données de recherche (RCCDR) résume la gestion de données effectuée par Statistique Canada et le RCCDR au nom des chercheurs. Bien que la gestion de données dans un centre de données de recherche (CDR) a des avantages, elle a aussi des inconvénients substantiels: les données d’un CDR ne pourront jamais être versées dans un dépôt conformément aux meilleures pratiques recommandées pour la gestion des données de recherche. Étant donné cette lacune, les chercheurs doivent connaître d’autres options pour s’engager aux meilleures pratiques. En plus de s’assurer que le dossier de projet du CDR est bien documenté et conforme aux résultats de la recherche, les chercheurs doivent conserver leurs données justificatives dans un dépôt reconnu dans leur discipline ou dans le Dépôt fédéré de données de recherche (DFDR) contiendront les métadonnées, la syntaxe (code qui produit une sortie statistique) et tous les documents de soutien pour le projet de recherche. Ce modèle s’adresse aux chercheurs qui effectuent des travaux dans un CDR en utilisant les données des CDR de Statistique Canada uniquement (c’est-à-dire qu’il n’y a pas de données supplémentaires, de statistiques à usage public, ou d’autres informations qui complètent le travail). Si votre travail est effectué dans le CDR en même temps que d’autres données que vous avez l’intention d’introduire dans le CDR ou de travailler en dehors du CDR parallèlement à votre travail dans le CDR, utilisez plutôt le modèle de CDR et d’analyse externe.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,004 |
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 ».