Across Canada, across Disciplines: Research Data Management Practices and Needs in the Social Sciences and Humanities
Notice bibliographique
Résumé
Across Canada, ten universities (to date) have worked together to survey their research communities in order to better understand research data management practices and needs. This work builds on a previous collaborative effort designed to delve into RDM habits of researchers in engineering and science, by expanding to researchers in the humanities and social sciences. This session will discuss the survey results from participating universities, providing insight into the Canadian RDM landscape while highlighting disciplinary differences and notable results. Survey sections include working with research data, data sharing, funding mandates and research data management services. Information generated by this survey will help inform Canadian institutional services, infrastructure and policies. Participating universities at the time of writing include: Dalhousie University, McGill University, Queen's University, Ryerson University, University of Alberta, University of British Columbia, University of Ottawa, University of Toronto, University of Waterloo, and the University of Windsor. The session will also discuss the collaboration process, which resulted in the development of a clearinghouse of generic survey documents (questionnaires, ethics review documents) that will be housed by Portage, Canada's emerging national RDM infrastructure project. These documents can be used by other institutions to conduct similar studies. Future initiatives include a further survey of researchers in the health and medical sciences.Additional authors arenbsp;Marjorie Mitchell,nbsp;University of British Columbia andnbsp;Matthew Gertler,nbsp;University of Toronto.
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 | 0,014 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,001 |
| Communication savante | 0,052 | 0,021 |
| Science ouverte | 0,014 | 0,036 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».