AGINFRA PLUS D8.3 - AGINFRA Future Science Recommendations
Notice bibliographique
Résumé
This document serves as a white paper, which describes the AGINFRA PLUS vision of a next-generation community driven web-based research infrastructure, as well as present and future application scenarios that can be envisaged from experiences with the piloted AGINFRA PLUS user communities and provides recommendations that aim to inform the roadmap for developing AGINFRA PLUS infrastructure further. The initial version of this white paper has been prepared with contributions from all partners and was submitted to the EC on M25. In order to further enhance the positioning of the project in the digital science ecosystem, Agroknow worked on a next version of this deliverable that has been organised as an edited volume. A variety of stakeholders, including all project partners, were invited to contribute to this volume titled “Digital Science Recommendations for Food & Agriculture”. External contributors included strategic digital infrastructure initiatives (such as OpenAIRE, the FNH-RI Research Infrastructure for Food, Nutrition and Health, and the METROFOOD Research Infrastructure for promoting metrology in food and nutrition), as well as international stakeholders (such as the University of Guelph, Canada; and the Chinese Academy of Agricultural Sciences). The full text of the volume can be found in Annex A of the present document.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,013 | 0,008 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,207 | 0,260 |
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 ».