HathiTrust: Ten Years, 16 Million Volumes, and the Road Ahead
Notice bibliographique
Résumé
In 2008, the HathiTrust was launched with the mission: "To contribute to research, scholarship, and the common good by collaboratively collecting, organizing, preserving, communicating, and sharing the record of human knowledge." Now in its tenth year, HathiTrust has evolved into an organization of over 125 research libraries partnering to develop services and and a range of transformative programs enabled by working at a very large scale. A sketch of the HathiTrust profile reveals a trusted digital preservation service enabling the broadest possible access worldwide, including over 16 million total digitized items (volumes), 7.7 million book titles, 428,000 serial titles, over 1 million U.S. federal government documents, and a copyright review program that has contributed to the determination of 5.9 million items for open viewing via public domain status or Creative Commons licensing. To further leverage the benefits of HathiTrust as a large-scale digital library, the partnership is developing a massively-scaled shared print program and continues to build out the HathiTrust Research Center, which is positioned to offer scholars high-performance computational access to the 5.5 billion pages of text from the digital library for visualization, analysis, and research. This session will offer an overview of HathiTrust, its current programs, strategic directions, and the significant challenges it is undertaking.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,025 | 0,031 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,081 | 0,023 |
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 ».