STI Special Session: Metrics Literacy
Notice bibliographique
Résumé
Slides for STI 2023 Special Session: Metrics literacy Session Objectives This hands-on session invites conference participants to actively engage in the community-driven development and discussion of metrics education as a new focus area of bibliometric research. The session aims to bring attention to and empower the bibliometric community to take ownership of metrics education. Improving metrics literacies with the goal of reducing the misuse of bibliometric indicators is in line with current transitions towards a healthier academic culture, including the Coalition for Advancing Research Assessment (CoARA) initiative. The session will work as an incubator of ideas on how to effectively and efficiently communicate the knowledge of bibliometric experts to the broader audience of users of scholarly metrics. Using design thinking, we will consider user perspectives to empathize and understand users to more effectively identify problems encountered by individuals in the current metrics system. We also hope it can facilitate collaborations between various stakeholders, including bibliometric researchers and analysts, data providers and librarians. Outline of Session 16h00 Introduction: Metrics literacies and design thinking 16h15 Hands-on breakout session: Design thinking exercises in small groups* 17h20 Wrapping up: Reporting back and closing *Participants will be asked to organize in small groups of people with similar backgrounds and roles with regard to bibliometric indicators (see back of paper for instructions).
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,632 | 0,412 |
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 ».