Developing Research Data Management Capability: the View from a National Support Service: Paper - iPRES 2012 - Digital Curation Institute, iSchool, Toronto
Notice bibliographique
Résumé
An increasing number of UK Higher Education Institutions (HEIs) are developing Research Data Management (RDM) support services.Their action reflects a changing technical, social and political environment, guided by principles set out in the Research Councils UK (RCUK) Common Principles on Data Policy.These reiterate expectations that publicly-funded research should be openly accessible, requiring that research data are effectively managed.The Engineering and Physical Sciences Research Council (EPSRC) policy framework is particularly significant, as it sets a timeframe for institutions to develop and implement a roadmap for research data management.The UK Digital Curation Centre (DCC) is responding to such changes by supporting universities to develop their capacity and capability for research data management.This paper describes an 'institutional engagement' programme, identifying our approach, and providing examples of work undertaken with UK universities to develop and implement RDM services.We are working with twenty-one HEIs over an eighteen month period, across a range of institution types, with a balance in research strengths and geographic spread.The support provided varies based on needs, but may include advocacy and awareness raising, defining user requirements, policy development, piloting tools and training.Through this programme we will develop a service model for institutional support and a transferable RDM toolkit.
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 | 0,122 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,015 | 0,017 |
| Communication savante | 0,049 | 0,032 |
| Science ouverte | 0,006 | 0,022 |
| Intégrité de la recherche | 0,015 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,006 |
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 ».