Od danych zbieranych tradycyjnie do danych administracyjnych : dylematy i perspektywy
Notice bibliographique
Résumé
Authors of the chapter depicted existing theoretical concepts and current scientific achievements associated with public data and its use for conducting evaluation research. The current situation and recent improvements in general availability of government data in the OECD countries were presented based on the estimates of the 2014 OECD Open Government Data Survey. The analytical, legal and institutional challenges of working on administrative data (such as time between subsequent rounds or complex data structures) were thoroughly discussed. International experiences in administrative data use were described referring to the good practices from Sweden (where systemic solutions are the most developed), the United Kingdom and Australia – where certain information from registers was made public owing to the high level of coordination between several government agencies responsible for administrative data collection. \nThe authors also presented the current state and future prospects for using administrative data in monitoring and evaluation processes - for example, infrastructure solutions such as the Polish Integrated Analytical Platform project. Authors referred, among others, to the model of a journey towards a mature data management model, and presented steps needed to develop a technology solution enabling the easier data management (granted by data brokers) - giving the example of Statistics Canada. Finally, authors assessed the scope of potential improvements in the area of the Polish public policy and enhanced availability of administrative data, by offering suggestions of changes that would facilitate scaling and sharing of data for the purposes of their analysis and evaluation.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».