La création d’une archive web pour faciliter la recherche future sur la COVID-19 au Canada
Notice bibliographique
Résumé
Cet article traitera de l’autorité législative du Programme de préservation du web et des médias sociaux à Bibliothèque et Archives Canada et présentera les stratégies d’acquisition et de projet pour la préservation des sites web documentant les événements historiques nationaux, en accordant une attention particulière à la création d’une archive web sur la COVID-19 et son impact sur le Canada. Il expliquera comment et pourquoi l’archivage web est devenu une méthode importante et essentielle pour les organisations pour documenter les événements historiques nationaux, et discutera brièvement de la façon dont nous avons tenté de répondre aux attentes et aux exigences des principaux intervenants du programme. Cet article traitera ensuite de l’importance de méthodologies rigoureuses pour établir un ensemble de données de recherche, y compris le rôle potentiel du biais de sélection dans la continuité informationnelle et la préservation numérique, et comment cela peut être amélioré en définissant les objectifs et la portée des archives web thématiques au moyen de méthodes de développement des collections de bibliothèques. L’article discutera ensuite de la façon dont notre expérience à ce jour nous a préparés à documenter la COVID-19 et fera état de nos progrès à ce jour. Enfin, l’article abordera la façon dont un programme d’archivage web peut aider les chercheurs à utiliser les archives web pour répondre à leurs questions de recherche.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,021 | 0,007 |
| Communication savante | 0,021 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 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 ».