MétaCan
Menu
Retour à la cohorte
Enregistrement W6999500131

COPYRIGHT LITERACY AND OPEN LICENSE ATTRIBUTION AS SCHOLARLY PRACTICE

2023· article· en· W6999500131 sur OpenAlexaff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésLicenseAttributionCommonsCitationAcknowledgementLiteracyInformation literacyKnowledge sharingIndigenous
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Aspects of copyright literacy and attributing open licenses as scholarly practice inform this commentary. Because citation practices have a much longer history than attribution, an overview of the study of citation and its relationship to the developing practice of attributing open licenses provides a model and trajectory to follow. Copyright literacy as part of attribution knowledge and skills bifurcates from citation scholarship, yet it is part of reconsidering and affirming knowledge connections. Decolonizing perspectives of epistemology and what counts as knowledge, ownership, and sharing are part of this bifurcation that involves attribution, Indigenous ways of knowing, and Traditional Knowledge Labels. There are also tensions involved with properly attributing Creative Commons licenses and the title, author, source, and license process offers an imperfect and sometimes complicated pathway forward. Through this process, accurate and effective license acknowledgement occurs for newly created, reused, revised, remixed, or reshared artifacts. It is suggested to use the online attribution builder and best practices for attribution placement are provided for written documents, presentations, blog posts, videos, and other formats. As part of open education practices, attribution signals contributions to the knowledge commons and are part of copyright literacy and professional digital competence.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCommunication savante
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0300,046
Science ouverte0,0070,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,226
Tête enseignante GPT0,579
Écart entre enseignants0,354 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetOpen Education and E-LearningTravaux en français237 207