Lectura crítica de Oliver, C. (2021). "Introducing RDA: a guide to the basics after 3R" : 2da. ed. Chicago: ALA Editions. 200 pág. ISBN 978-0-8389-1908-8
Notice bibliographique
Résumé
Esta segunda edición de Introducing RDA fue publicada por ALA Editions, editorial de American Library Association en 2021. Su autora, Christine Oliver, es jefa de metadatos y procesos de la University of Ottawa Library, miembro de la Canadian Federation of Library Associations y de la junta de gobierno de RDA (RDA Board). A once años de la primera edición de esta obra clásica de la bibliografía especializada en el estándar de catalogación RDA (Recursos, Descripción y Acceso), se han producido muchos cambios tanto en el modelo teórico que lo sustenta, como en el estándar mismo y en RDA Toolkit. Dichas transformaciones se materializan en RDA Toolkit a través del 3R Project (RDA Toolkit Restructure and Redesign Project) que se inicia en 2017 y culmina con la activación de la versión oficial de RDA Toolkit, totalmente alineada con el modelo teórico unificado IFLA LRM (Library Reference Model), el 15 de diciembre de 2020. 3R Project representa un punto de inflexión para RDA Toolkit, ya que introduce cambios realmente significativos respecto a la versión original que se encontraba disponible desde 2010. Presenta un diseño totalmente diferente, con una nueva organización, con cambios en el vocabulario y nuevas funcionalidades.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,014 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,075 |
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 ».