Boîte à outils pour les données sensibles — destiné aux chercheurs Partie 2: Matrice de risque lié aux données de recherche avec des êtres humains
Bibliographic record
Abstract
Le Groupe d’experts sur les données sensibles du Réseau Portage a créé une suite d’outils pour les chercheurs canadiens. Ces outils ont été créés pour aider les chercheurs à comprendre comment les données de recherche s’inscrivent dans le processus d’éthique de la recherche et pour aborder l’évolution des pratiques de gestion des données de recherche (GDR) telles que le partage et le stockage des données dans le contexte des cadres actuels d’éthique de la recherche. Cet outil intitulé « Matrice de risque lié aux données de recherche avec des êtres humains » a été conçu pour aider les chercheurs à déterminer le degré de risque lié aux données de recherche avec les êtres humains et à prendre des décisions par rapport à la gestion, au stockage et à l’accès ou l’utilisation future convenable de ces données.
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 | 0.179 | 0.377 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.018 | 0.010 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.020 | 0.007 |
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".