Persistent Identifiers in Canada: ORCID Use Cases and a National PID Strategy
Notice bibliographique
Résumé
Research generates a huge amount of information across many disconnected systems and technologies. Persistent \nIdentifiers (PIDs) act as labels to uniquely identify research information ‘entities,’ like scholars, institutions, \ndatasets, and publications. PIDs are anchors that help connect information about related entities (e.g., a scholar \nwith their publications) and can enable software systems to effectively exchange information, making them more \ninteroperable and FAIR. The gold standard PID for People is the ORCID iD provided by ORCID, an international \nnot-for-profit sustained by institutional membership. In Canada, members are supported by the local consortium, \nORCID-CA, in both English and French. \nIn this session, first, we will explore what ORCID iDs are and, why they matter. We will place ORCID iDs within the \nbroader PID ecosystem context, and then highlight the value of specific ORCID member tools, such as the Affiliation \nManager (which enables institutions to add trusted affiliation information on behalf of their scholars, with scholar \npermission) and the Affiliation Report (a tool to measure ORCID impact and uptake at a given institution). Then, we \nwill explore a community use case to demonstrate ORCID’s value and the usefulness of PIDs in assessing research \nimpact. Finally, an update will be provided on the state of the development of a National PID Strategy for Canada, \nwhich was last discussed at BRIC 2022. Significant advancements have been made and a Roadmap to (PID) Success \n(community recommendations based on work to date) will be presented.
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 | 0,018 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,019 |
| Études des sciences et des technologies | 0,033 | 0,009 |
| Communication savante | 0,014 | 0,007 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».