MétaCan
Menu
Retour à la cohorte
Enregistrement W7135579069

Joint Proceedings of the Onto4FAIR 2023 Workshops:collocated with 13th International Conference on Formal Ontology in Information Systems, FOIS 2023, Sherbrooke, QC, Canada, July 20, 2023 and 19th International Conference on Semantic Systems, SEMANTICS 2023

2023· book· en· W7135579069 sur OpenAlexaffabout
Cássia Trojahn, Luiz Olavo Bonino da Silva Santos, Giancarlo Guizzardi, Clément Jonquet, Megan Katsumi, Emilio M. Sanfilippo, Jennifer D'Souza, Anisa Rula

Notice bibliographique

RevueUniversity of Twente Research Information · 2023
Typebook
Langueen
DomaineComputer Science
ThématiqueSemantic Web and Ontologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeHorizon 2020 Framework ProgrammeRural Development AdministrationAgence Nationale de la RechercheDeutsche Forschungsgemeinschaft
Mots-clésJoint (building)OntologySemantic WebSemantics (computer science)Term (time)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Semantic interoperability is crucial for the FAIR Principles and strongly relies on Semantic Artefacts that also need to be FAIR.To achieve this, semantic artefacts require rich, structured, and interoperable metadata.The challenge lies in determining the threshold for "rich metadata" and agreeing on a common minimum set.The H2020 FAIRsFAIR project and the RDA Vocabulary Semantic Services Interest Group addressed this question by developing a "minimal metadata model" for semantic artefacts.In this paper, we present background information, methodology, discussions and workshops which contribute to the establishment of the FAIRsFAIR minimum metadata profile for semantic artefacts.We present an extension of the Metadata for Ontology Description and Publication Ontology (MOD2.0)incorporating this profile as well as its implementation (SemanticDCAT-AP) and its use to build FAIRcat, a prototype of a FAIR Data Point harvesting the content of multiple semantic artefact catalogues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,254
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Twente Research InformationMême sujetSemantic Web and OntologiesTravaux en français237 207