MétaCan
Menu
← Retour à la cohorte
Enregistrement W7090319786 · doi:10.5281/zenodo.17339096

Dataset for: SESR-Eval: Dataset for Evaluating LLMs in the Title-Abstract Screening of Systematic Reviews

2025· dataset· en· W7090319786 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typedataset
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésScopusDocumentationReplication (statistics)Python (programming language)LicenseSystematic reviewPublication

Résumé

récupéré en direct d'OpenAlex

Introduction This is a dataset for: "SESR-Eval: Dataset to Evaluate LLMs in the Screening Process of Systematic Reviews". Folder structure data The `data`-folder contains: - Initial replication package selection (`1-replication-package-selection`) - Inter-rater reliablity agreement for replication package selection (`2-replication-package-selection-reliability-agreement`) - Processed replication packages (`3-processed-data`) - Replication packages are omitted due to size constraints, but are downloadable via provided links - LLM results (`4-llm-results`) - The SESR-Eval dataset (`sesr-eval-dataset`) See: `data/sesr-eval-dataset/README.md` documentation The `documentation`-folder contains miscellaneous documentation for the study. experiments The `experiments`-folder contains the LLM experiment source code. How to run the benchmarks? 1. Install Python 3 2. Run `python3 -m venv venv` 3. Run `source venv/bin/acticate` 4. Run `pip install -r requirements.txt` 5. Copy `.env.example` to `.env` 6. Obtain: 1. Dataset (see data/sesr-eval-dataset/README.md) 2. OpenAI API key 3. Openrouter API key (if you wish to run other models than OpenAI) 7. Run: `./run_experiments.sh` Requirements - Python 3 Scopus API usage The data was downloaded from Scopus API between January 1 and 18 July, 2025 via http://api.elsevier.com and http://www.scopus.com. License The replication package is licensed with the CC-BY-ND 4.0 license. Each dataset secondary study has their own license. However, Elsevier has their own terms and conditions regarding the use of our research data: ---- This work uses data that was downloaded from Scopus API between Jan 1 and Apr 24, 2025 via http://api.elsevier.com and http://www.scopus.com. Elsevier allows access to the Scopus APIs in support of academic research for researchers affiliated with a Scopus subscribing institution. The end product here is a scholarly published work, that utilizes publications in Scopus for our research effort. We want to publish a scholarly work regarding Scopus data relationships. The data downloaded from Scopus API, for our work, is published to make work follow the practices of open science. It also makes possible to reproduce our work's results. Elsevier allows this use case under the following conditions, which our work meets: - The research is for non-commercial, academic purposes only. - The research is performed by approved representative of the applying institution. - The research is limited to the scope of Software engineering (SE) - we are not mining the entire Scopus dataset. - The retention of original research dataset is limited to archival purposes and reproduction of the research results. - Public sharing of data for purpose of reproducibility with a specific party is permissible upon written request and explicit written approval. - Scopus has been identified as the data source as described in the Scopus Attribution Guide. - If the user is a bibliometrician doing work outside this use case, they contact Elsevier's International Center for the Study of Research. The data is not displayed in a website or in a public forum outisde of the output format of the scholarly published work. The data is only stored in Zenodo, in this replication package.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,114
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,966

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,114
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0070,010
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0030,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,3220,090

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.

Tête enseignante Opus0,817
Tête enseignante GPT0,551
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetMeta-analysis and systematic reviews→Travaux en français237 207→