Open for Climate Justice: To Solve the World’s Biggest Problems We Need Open Knowledge
Notice bibliographique
Résumé
The University Libraries virtually hosted Dr. Monica Granados (she/her), the Climate Change Campaign Manager for Creative Commons, as a speaker on the first day of Open Access Week, October 24th, 2022 at noon Mountain Standard Time. “Open for Climate Justice” was the theme for 2022's International Open Access Week. This theme sought to encourage connection and collaboration between the climate movement and the international open community. Tackling the climate crisis requires the rapid exchange of knowledge across geographic, economic, and disciplinary boundaries. Dr. Granados has a PhD in ecology from McGill University. While working on her PhD, Monica discovered that incentives in academia promote practices that make knowledge less accessible. Since then, Monica has devoted her career to working in the open science space in pursuit of making knowledge more equitable and accessible. As a Senior Policy Advisor at Environment and Climate Change Canada she provided subject matter expertise and supported the delivery of open science in the Government of Canada. Monica is now working at Creative Commons on a global campaign promoting open access of climate and biodiversity research. As a member of the Leadership Team at PREreview she works to make peer review more open and diverse. She is also on the Board of Directors of the Canadian Open Data Society promoting open data in Canada and alumna of the Frictonless Data Fellowship.
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 | 0,028 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,022 | 0,045 |
| Communication savante | 0,030 | 0,051 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,010 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,005 |
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 ».