Data Management Strategie voor het Groeifondsprogramma ReGeNL
Notice bibliographique
Résumé
In deze factsheet worden de resultaten gepresenteerd van onderzoek naar de ontwikkeling van een Data Management Strategie (DMS) voor het ReGeNL groeifondsprogramma, dat zich richt op de transitie naar rendabele regeneratieve landbouw.Het onderzoek, uitgevoerd in 2024, had als doel om zowel de datamanagementbehoeften van het programma in kaart te brengen als de geschiktheid van bestaande systemen binnen de WUR te evalueren.• Na een korte inleiding en achtergrond bij de opdracht, worden eerst de uitkomsten van de vraaganalyse gepresenteerd.Vervolgens wordt een mogelijke oplossingsrichting gepresenteerd in de vorm van een conceptuele architectuur en bijbehorende tools.Deze architectuur dient als een startpunt voor het programma ReGeNL.• Een belangrijke doelstelling van het programma is het aantonen van de effectiviteit van regeneratieve maatregelen.De belangrijkste bevinding van het onderzoek is dat gestructureerde en geharmoniseerde data-inwinning essentieel is.Dit houdt in dat zowel de toegepaste regeneratieve praktijken als de waargenomen effecten periodiek en nauwkeurig moeten worden vastgelegd.Technisch gezien moet dit proces ondersteund worden door een geharmoniseerd datamodel en een robuuste data-analyseomgeving, om onderzoeksgegevens centraal te beheren, harmoniseren en analyseren.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,234 | 0,086 |
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 ».