Open Research Europe in practice – All a librarian needs to know
Notice bibliographique
Résumé
Open Research Europe (ORE) is a new publishing platform launched by the European Commission. The platform provides all H2020 and Horizon Europe beneficiaries and their collaborators with an easy, high-quality platform to publish Horizon 2020 and Horizon Europe funded research at no cost and in full compliance with the Commission’s open access policies.<br> <br> Building on our first joint LIBER-ORE awareness-raising webinar in October, this follow up event entails a live demonstration of the ORE platform focusing on everything that a research librarian needs to know. Participants will understand how the platform can be used, experience an in-depth walkthrough of the open peer review process, hear about the answers to FAQs that ORE has received so far (the latter may be useful in supporting researchers in publishing via the ORE platform). Participants can also of course ask any questions they might have about the platform.<br> <br> Speakers:<br> <br> Kelly Woods is the Senior Associate Publisher at F1000, a leading Open Research publisher, responsible for looking after Open Research Europe, in collaboration with partners LIBER, Eurodoc and GYA. She has a background in Open Access scholarly publishing and prior to joining F1000 she worked at Frontiers and The Royal Society on numerous OA titles.<br> <br> Matthew Ranscombe is a Senior Assistant Editor in the Prepublications team at F1000, primarily responsible for handling submissions in the humanities and social sciences. He has a background in academic book publishing, previously holding positions at Routledge and Oxford University Press.<br> <br> Joe Kelly is an Associate Editorial Assistant in the Peer Review Team at F1000. Previously he worked in Digital Resources at Taylor & Francis and has a background in research with PhD in history from the University of Liverpool.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,024 |
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 ».