The DDI Variable Cascade: Describing Data to Optimize Reusability and Comparison
Notice bibliographique
Résumé
The first webinar in the 2023 CODATA – DDI Alliance webinar series, ‘The DDI Variable Cascade: Describing Data to Optimize Reusability and Comparison’, took place on 9 March 2023. In the social, behavioural, and economic sciences, data is often described as sets of ‘variables’ – essentially the columns in a table or the answers, respondent-by-respondent, to a question in a survey. The term ‘variable’ is employed by researchers and data managers to describe a range of specific uses of this granular concept, often in ways that lack sufficient clarity to support automation. The DDI variable cascade is a more nuanced model which describes the stages of a variable from conception to its use in a data set. Drawing on other conceptual standards such as the Generic Statistical Information Model (GSIM), DDI provides an implementation mechanism for the increasingly common granular management and reuse of data. In this webinar, the model behind the variable cascade will be presented, along with the practical implementation of the various types. Presenters are Arofan Gregory (consultant, DDI Alliance and CODATA), Hilde Orten (Sikt, the Norwegian Agency for Shared Services in Education and Research) and Kathryn Lavender (US National Archive of Computerized Data on Aging [NACDA]), with a welcome by Laura Molloy (CODATA).
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 | 0,138 | 0,260 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,012 | 0,021 |
| Science ouverte | 0,006 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,011 |
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 ».