Altmetrics Definitions and Use Cases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The NISO Alternative Assessment Metrics Initiative was begun in July 2013 with funding from the Alfred P. Sloan Foundation, and divided into two phases. Phase II of the Project, which began in late 2014, set out to develop standards covering particular action items identified in Phase I through the creation of three NISO working groups. This document represents the output of the working group tasked with the following action items: 1. To come up with specific definitions for the terms commonly used in alternative assessment metrics, enabling different stakeholders to talk about the same thing; and 2. To identify the main use cases for altmetrics and the stakeholder groups to which they are most relevant, and to develop a statement about the role of alternative assessment metrics in research evaluation The following individuals served on NISO Altmetrics Initiative Working Group A, which developed and approved this Recommended Practice: Rachel Borchardt American University Library; Robin Chin Roemer University of Washington; Dianne Cmor Nanyang Technological University; Rodrigo Costas Centre for Science and Technology Studies, University of Leiden; Tracey DePellegrin Genetics Society of America; Sharon Dyas-Correia University of Toronto; Brigitte Jörg Thomson Reuters; Martha Kyrillidou Principal, Martha Kyrillidou & Associates; Jean Liu Altmetric; Joshua Lupkin Tulane University; Beth Martin University of North Carolina Charlotte, J. Murrey Atkins Library; Kim Mitchell SAGE Publications; Martin Fenner DataCite; Karen Gutzman Northwestern University Libraries; Michael Habib Independent, scholarly communications, publishing, library markets; Sharon Parkinson Emerald Publishing Group; Isabella Peters Leibniz Information Centre for Economics; Sheila Yeh University of Denver University Libraries
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle