W kierunku uczelnianego repozytorium cyfrowego
Bibliographic record
Abstract
Na przestrzeni ostatnich kilkunastu lat widoczny jest sukcesywny wzrost liczby repozytoriów na świecie. W państwach wysokorozwiniętych powstały ogólnokrajowe projekty służące rozwojowi repozytoriów. W Polsce brakuje takich inicjatyw, dlatego ważne jest dzielenie się ze środowiskiem naukowym własnymi doświadczeniami. W rozdziale zaprezentowano proces tworzenia repozytorium uczelnianego poprzez opis poszczególnych etapów: projektowania, wdrożenia oraz rozwoju. Wskazano na potrzebę powołania zespołu odpowiedzialnego za koordynowanie działań w tym zakresie. Przedstawione zostały niezbędne elementy, które powinny być zawarte w projekcie wyznaczającym model repozytorium. Zwrócono uwagę na potrzebę powołania polityki funkcjonowania repozytorium w oparciu zarówno o istniejące standardy jak i własne koncepcje. Aby zapewnić zrównoważony rozwój archiwum należy opracować strategię promującą działania zachęcające środowisko naukowe uczelni do współtworzenia jego zasobów. Zaprezentowano korzyści jakie przynoszą rozwiązania wpisujące się w ideę Open Access zarówno naukowcom, jak i ich instytucjom macierzystym. Zarysowano także perspektywy rozwoju uczelnianych repozytoriów w Polsce.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.028 | 0.011 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".