Notice bibliographique
Résumé
These are the slides from the LIBER 2021 Session: Knowledge Café <strong>Description:</strong> This year we would like to ask for your input on the new strategy that LIBER will develop for the 2023-2027 period. With LIBER’s current Strategy (2017-2022) coming to a close, we would like to invite our members to join us in our effort to think back and assess LIBER’s efforts since 2017 (being at the forefront of representing research libraries in Europe and advocating for the future of Open Science). 2020 was undoubtedly a rocky and unpredictable year and LIBER, more so than before, ensured the delivery of services to our wide network while also running our virtual events. This enabled us to reach every corner of Europe and to especially invite members of underrepresented areas to join our online activities (which was not always possible for them before). As we are currently developing the foundation for our next LIBER Strategy, we invite all conference participants to join us during this Knowledge Cafe and help shape the vision for the next LIBER Strategy.<br> <br> According to LIBER President, Jeannette Frey, “Our network is the biggest source of valuable information when it comes to strategising. The needs and wishes of our network must be addressed as part of this crucial procedure to create a new LIBER strategy. And of course, the new strategy is so much more than simply a document. It must be a living and breathing document that we can all utilise and refer to. As such, we would gladly appreciate your input in this interactive session/Knowledge Café on the topic.”
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,019 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».