MétaCan
Menu
Retour à la cohorte
Enregistrement W6967955690 · doi:10.5281/zenodo.11370704

Envisioning Ethical Frameworks for Community-Data

2024· article· en· W6967955690 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueData Analysis and Archiving
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSafeguardingGrassrootsData sharingData governanceResearch ethicsRedressData curationData managementRDMPresentation (obstetrics)

Résumé

récupéré en direct d'OpenAlex

Emerging funder and journal requirements for research data management impact community-engaged research. In Canada, the Tri-Agency’s RDM Policy prompted changes to their Policy Statement on Ethical Conduct for Research Involving Humans, enabling “broad consent” for data sharing. Across the border, the National Institutes of Health and National Science Foundation are enacting new protocols for data management and sharing. While sensitive data management is an active discussion in academic circles, researched communities are not yet included. Community organizations collect and manage data and often act as intermediaries in human-participant research that produces sensitive data but do so in different ways than university researchers. These groups and their constituents stand to benefit from guidelines to help alleviate over-research, surveillance, and damage-centered narratives. Our IASSIST presentation will discuss insights and strategies gained from the RDM Community Data Toolkits Workshop on March 21-22, 2024. This two-day event will bring together researchers and information specialists alongside social justice organizations and non-profits to develop toolkits to better navigate the critical ethics of community research data. Discussions will ensure: • Data can be utilized by communities themselves in ways that serve their specific targets and metrics for change as conceived by their own determinants of need and designs for betterment. Community-led data practices empower and support community-led grassroots actions and initiatives. • Research data from communities is protected and does not make them vulnerable and/or grant them visibility, safeguarding their susceptibility to data misuse and exploitation. With the community-engaged interventions we hope to establish a framework to continue working on these toolkits beyond the workshop. By sharing these insights with the IASSIST community, we hope to assist researchers and information specialists who may also be working with community data and/or organizations, as well as find potential collaborators on future projects following this theme

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0080,000
Communication savante0,0030,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,108
Tête enseignante GPT0,369
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetData Analysis and ArchivingTravaux en français237 207