WorldFAIR (D2.3) Cross-Domain Interoperability Framework (CDIF) (Report Synthesising Recommendations for Disciplines and Cross-Disciplinary Research Areas)
Notice bibliographique
Résumé
The Cross-Domain Interoperability Framework (CDIF) is designed to support FAIR implementation by establishing a ‘lingua franca’, based on existing standards and technologies to support interoperability, in both human- and machine-actionable fashion. CDIF is a set of implementation recommendations, based on profiles of common, domain-neutral metadata standards which are aligned to work together to support core functions required by FAIR. This report presents a core set of five CDIF profiles, which address the most important functions for cross-domain FAIR implementation. Discovery (discovery of data and metadata resources) Data access (specifically, machine-actionable descriptions of access conditions and permitted use) Controlled vocabularies (good practices for the publication of controlled vocabularies and semantic artefacts) Data integration (description of the structural and semantic aspects of data to make it integration-ready) Universals (the description of ‘universal’ elements, time, geography, and units of measurement). Each of these profiles is supported by specific recommendations, including the set of metadata fields in specific standards to use, and the method of implementation to be employed for machine-level interoperability. A further set of topics is examined, establishing the priorities for further work. These include: Provenance (the description of provenance and processing) Context (the description of ‘context’ in the form of dependencies between fields within the data and a description of the research setting) Perspectives on AI (discussing the impacts of AI and the role that metadata can play) Packaging (the creation of archival and dissemination packages) Additional Data Formats (support for some of the data formats not fully supported in the initial release, such as NetCDF, Parquet, and HDF5). In each of these topics, current discussions are documented, and considerations for further work are provided. Visit WorldFAIR online at http://worldfair-project.eu. WorldFAIR is funded by the EC HORIZON-WIDERA-2021-ERA-01-41 Coordination and Support Action under Grant Agreement No. 101058393.
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 | 0,066 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,017 | 0,021 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,024 | 0,019 |
| Science ouverte | 0,013 | 0,014 |
| Intégrité de la recherche | 0,032 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,036 |
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 ».