Raise the MAST (DOI) – Assessing Preprints for Data DOIs
Notice bibliographique
Résumé
Since launching JWST, the Space Telescope Science Institute (STScI) Metrics Office has partnered with the Mikulski Archive for Space Telescopes (MAST) to identify arXiv preprints that use JWST data. Preprints are then evaluated to determine whether the data are cited using a durable data DOI. Authors are contacted with instructions for including data DOIs before the final paper goes to print. While this process does not catch every paper, it identifies enough to make preprint review a worthwhile endeavor. The Metrics Office reviews preprints throughout the year. While the overall paper count is not reported until the first quarter of the following year, we are able to refer to these identified preprints as a preliminary count well before annual reporting has been finalized. Additionally, contacting authors increases the chance of a data DOI being included in the published version of the paper. For JWST preprints in 2024, the rate of data DOIs in published papers was significantly higher when we were able to contact the author during pre-publication (43%) than when we were unable (25%). This increase justifies this review effort. This poster will provide an overview of our process and its inspiration from ALMA; an explanation of the relationship between preprints and final bibliographic entries; statistics that demonstrate success compared to HST data DOIs; our plans to incorporate an LLM in this process; and steps for incorporating preprint review into bibliographic work.
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 | 0,243 | 0,668 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,033 | 0,022 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,055 | 0,032 |
| Science ouverte | 0,005 | 0,021 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,091 | 0,167 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».