Making the Global Open Research Commons Truly Global: A report from the Lorentz Workshop, July 21-25 2025
Notice bibliographique
Résumé
This report describes the conduct and outcomes of a Lorentz workshop held on July 21-25 2025. The workshop was organised by a subset of the chairs of the Research Data Alliance (RDA) Global Open Research Commons (GORC) Interest Group and International Implementations Working Group, augmented and reinforced by staff from SURF. It was held as a Lorentz Centre workshop to embracer the advantages of this specific location for an in-depth and broad ranging collaborative exploration of a range of issues. The specific setting of a Lorentz Workshop gave space and time to re-inspect past debates, and to share experiences to implement the model in practice. The workshop discussed a wide range of issues, which are documented in this report and its appendices. The overwhelming message from those who attended the workshop is that the GORC International Model is well-constructed, useful and being used. The structure of the model draws on existing good practice as well as fundamental information science principles, and has been carefully refined through community review. The model is applicable to a wide range of settings. While it might need further fine-tuning as with any model, it is already an excellent epistemic framework to enable individuals and organisations to reflect theoretically and practically about their activities and needs in the realm of digital research infrastructure. And, the model is being used in practice for a variety of purposes, including interoperability between commons and internally within organisations. It is already having an impact by shaping national and pan-national digital research infrastructures.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,065 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,010 | 0,022 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,012 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».