Learning As We Go, Go, Go: Reflections from Developing and Delivering an Early Adopter Program for a Shared Repository Service in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Scholaris is a new national opt-in shared repository service that aims to support open discovery, management, sharing and preservation of Canadian scholarship by providing scalable infrastructure, technical expertise and community support for Canadian institutional repositories. The service is being developed by the Canadian Association of Research Libraries (CARL), the Ontario Council of University Libraries (OCUL) and the University of Toronto Libraries (UTL), in collaboration with regional consortia and the broader repository community. The shared technical infrastructure, built on the DSpace platform, is hosted and managed by Scholars Portal at UTL. In the Spring of 2024, we launched an Early Adopter Program to work with institutions representing a wide range of repository and migration scenarios and through that process, better understand what’s needed to support Canadian IRs from a service perspective. From previous feasibility studies, we knew there was interest in a shared repository service but the program uptake far exceeded our expectations. Over the last year and a half, we’ve onboarded, migrated, and launched more than twenty institutions (!) —and we’ve learned a lot along the way. In this presentation, we’ll share how we’ve project managed a myriad of migrations, what we’ve learned from working closely with our wonderful Early Adopters and Network of Expert Groups, and how these insights are informing the on-going evolution and delivery of the service and the development of community resources and recommendations.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle