Accompagner les chercheurs pour les aider à mieux gérer leurs données de recherche : le métier de data librarian
Bibliographic record
Abstract
Les données de la recherche sont progressivement considérées comme des productions scientifiques à part entière, dans toutes les communautés disciplinaires. Dans le contexte de la Science ouverte, de plus en plus d’exigences sont émises par les financeurs et par les politiques publiques en général pour mieux produire, structurer, conserver et ouvrir ces données. L’accès aux données sous-jacentes aux publications est, en outre, de plus en plus demandé par les revues scientifiques, dans une logique d’intégrité et de transparence. Les personnels de l’information scientifique et technique, dans les bibliothèques universitaires comme dans d’autres structures, sont ainsi amenés à accompagner et à former les chercheurs à toutes ces problématiques. Pour mener à bien cette mission, une montée en compétences est nécessaire, ainsi que le développement de nouvelles activités, pour celles et ceux qui occupent ce métier émergent qu’est celui de data librarian .
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 | 0.050 | 0.106 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.012 |
| Science and technology studies | 0.014 | 0.010 |
| Scholarly communication | 0.031 | 0.035 |
| Open science | 0.004 | 0.022 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.021 | 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".