Metadata Recommendations for Geodetic data: GNSS
Notice bibliographique
Résumé
Data publications with digital object identifiers (DOI) are key supporting elements for Findable, Accessible, Interoperable and Reusable (FAIR) data (Wilkinson et al. 2016). DOIs were originally developed to provide permanent access to static datasets described in scholarly literature. Currently, they are increasingly being used for both static and dynamic data. DOIs are providing globally unique, persistent and resolvable references of various types of sources (data, software, samples, equipment) and means of rewarding the originators and institutions (through citation). This is important for geodesy, as researchers rely on observational data and operational aspects. Geodetic equipment, observational data and results require a documented mechanism for citation, scientific recognition and reward that can be provided by assigning a DOI. To address these challenges and identify opportunities for improved coordination and advocacy within the geodetic community, GGOS established a Working Group on 'Digital Object Identifiers (DOIs) for Geodetic Datasets' in 2019, transforming it into a GGOS Committee in 2023. This Committee is designated to establish best practices and advocate for the consistent implementation of DOIs across all IAG Services and in the greater geodetic community. This document presents the GGOS DOI Committee's first set of recommendations for DOI metadata for geodetic data. These recommendations have been developed for GNSS data and include specific guidance on different GNSS data products. However, many sections of this document are not specific to GNSS data and may also be applicable to other geodetic data.
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 | 0,030 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,082 |
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 ».