Converging on a Semantic Interoperability Framework for the European Data Space for Science, Research and Innovation (EOSC)
Notice bibliographique
Résumé
This presentation is based on the paper "Converging on a Semantic Interoperability Framework for the European Data Space for Science, Research and Innovation (EOSC)" and passed at the 2nd Workshop on Ontologies for FAIR and FAIR Ontologies (Onto4FAIR), July 17-19, 2023 Sherbrooke, Québec Abstract Paper: Semantic interoperability (SI) is at the heart of the FAIR principles and the design of large-scale cross-disciplinary infrastructures. The European Open Science Cloud (EOSC) is a European-wide effort towards such an infrastructure, aiming to deepen regional research collaboration and realising a shared data space for science, research and innovation. In this context, the research community’s voice is represented by the EOSC Association (EOSC-A) and a number of advisory groups with a broad range of representatives from different stakeholder organisations. The advisory group on metadata and data quality has formed a task force focusing on developing and implementing recommendations for SI (EOSC SI Task Force) to converge on globally relevant and scalable SI solutions for EOSC. This paper provides context to SI in EOSC, the various components contributing to it, as well as some views on the socio-technical challenges to arriving at a consensus. In particular, the paper provides motivation for exploring the heterogeneity of SI solutions demonstrated across scientific communities and insight into the task force’s planned approach to conducting a survey to identify relevant components and structures. The paper is also an invitation to the global community to align and engage with the task force’s activities going forward.
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 | 0,109 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».