Paperwork Reduction Act: New Approaches Can Strengthen Information Collection and Reduce Burden
Notice bibliographique
Résumé
Testimony issued by the Government Accountability Office with an abstract that begins "Americans spend billions of hours each year providing information to federal agencies by filling out forms, surveys, or questionnaires. A major aim of the Paperwork Reduction Act (PRA) is to minimize the burden that these information collections impose on the public, while maximizing their public benefit. Under the act, the Office of Management and Budget (OMB) is to approve all such collections. In addition, agency Chief Information Officers (CIO) are to review information collections before they are submitted to OMB for approval and certify that these meet certain standards set forth in the act. GAO was asked to testify on the implementation of the act's provisions regarding the review and approval of information collections. For its testimony, GAO reviewed previous work in this area, including the results of an expert forum on information resources management and the PRA, which was held in February 2005 under the auspices of the National Research Council. GAO also drew on its earlier study of CIO review processes (GAO-05-424) and alternative processes that two agencies have used to minimize burden. For this study, GAO reviewed a governmentwide sample of collections, reviewed processes and collections at four agencies that account for a large proportion of burden, and performed case studies of 12 approved collections."
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 | 0,193 | 0,342 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,010 | 0,011 |
| Communication savante | 0,022 | 0,018 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,018 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,019 |
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 ».