Liste des indicateurs potentiels des avantages de la science ouverte pour les Canadiennes et les Canadiens
Bibliographic record
Abstract
Le Plan d’action national du Canada pour un gouvernement ouvert de 2018-2020 comprend un jalon (jalon 5.5) qui charge Environnement et Changement climatique Canada (ECCC), avec l’appui des ministères et organismes à vocation scientifique (MOVS), d’élaborer et de publier des indicateurs qui serviront à mesurer les avantages de la science ouverte pour les Canadiennes et les Canadiens d’ici juin 2019. Nous présentons ici une liste d’indicateurs des avantages de la science ouverte actuellement à l’étude par le Groupe de travail sur les éléments de mesure de la science ouverte des MOVS. La section 1 présente les indicateurs fondamentaux proposés que chaque MOVS pourrait mettre en œuvre. La section 2 présente des indicateurs complémentaires que les MOVS intéressés pourraient également mettre en œuvre. Les indicateurs inclus dans les sections 1 et 2 permettent de mesurer les avantages que la science ouverte peut procurer aux universitaires et aux chercheurs, à l’industrie, aux gouvernements et au public en général. Ces indicateurs et d’autres indicateurs proposés seront définis plus en détail dans le cadre du processus de mise en œuvre de l’ensemble final d’indicateurs devant servir à mesurer les avantages de la science ouverte pour les Canadiennes et les Canadiens. Par conséquent, l’inclusion d’un indicateur à ce stade ne garantit pas sa sélection dans l’ensemble final d’indicateurs qui seront mis en œuvre. Par ailleurs, il est possible que certains des éléments établis comme indicateurs fondamentaux soient catégorisés plus tard en tant qu’indicateurs complémentaires. D’ici juin 2020, un rapport sur les indicateurs des avantages de la science ouverte pour les Canadiennes et les Canadiens sera publié et présentera l’ensemble final d’indicateurs ainsi que les résultats de la première année.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.010 | 0.022 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.072 | 0.014 |
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".