The role of language in scientific knowledge production and dissemination: a comparative study of the Can-Peat and CongoPeat research networks | Le rôle de la langue dans la production et la diffusion des savoirs scientifiques : une étude comparative des réseaux de recherche Can-Peat et CongoPeat
Bibliographic record
Abstract
Linguistic diversity is a crucial, yet often overlooked, component of equitable and inclusive open science practices in the production and dissemination of scientific knowledge. This project investigates the role of language in data collection, management, and dissemination within environmental research, focusing on two peatland research networks - Can-Peat in Canada and CongoPeat in the Congo Basin - as case studies. To achieve this, I will evaluate the strategies used for data collection, management, and dissemination within these networks, employing a mixed-methods approach that combines quantitative data analysis with qualitative data gathered from key informant questionnaires, interviews, and evidence reviews. Key informants will consist of Can-Peat and CongoPeat researchers, including principal investigators, postdoctoral fellows, students, and staff, staff from the organization Local Contexts , and individuals with expertise in English, French, and the languages used by the Indigenous communities that live and rely on the peatlands in Canada and the Congo Basin. This study will address the following questions: 1.a. What are the current practices used by practitioners and recommended by language experts in Canada and the Congo Basin to consider, integrate, and adopt linguistic diversity into peatland data collection, management, and dissemination? 1.b. How can these practices inform future environmental research? _______________ La diversité linguistique est un élément crucial, mais souvent négligé, des pratiques équitables et inclusives de la science ouverte pour la production et la diffusion des savoirs scientifiques. Ce projet examine le rôle de la langue dans la collecte, la gestion et la diffusion des données dans le cadre de la recherche environnementale, en se concentrant sur deux réseaux de recherche sur les tourbières - Can-Peat au Canada et CongoPeat dans le bassin du Congo - en tant qu'études de cas. Pour ce faire, j'évaluerai les stratégies utilisées pour la collecte, la gestion et la diffusion des données au sein de ces réseaux, en employant une approche mixte qui combine l'analyse de données quantitatives avec des données qualitatives recueillies à partir de questionnaires destinés aux informateurs clés, d'entretiens et d'examens des données probantes. Les informateurs clés seront des chercheurs de Can-Peat et de CongoPeat, y compris des chercheurs principaux, des boursiers postdoctoraux, des étudiants et du personnel, du personnel de l'organisation Local Contexts, et des personnes ayant une expertise en anglais, en français, et dans les langues utilisées par les communautés autochtones qui vivent et dépendent des tourbières au Canada et dans le bassin du Congo. Cette étude répondra aux questions suivantes : 1.a. Quelles sont les pratiques actuelles utilisées par les praticiens et recommandées par les experts en langues au Canada et dans le Bassin du Congo pour prendre en compte, intégrer et adopter la diversité linguistique dans la collecte, la gestion et la diffusion des données sur les tourbières ? 1.b. Comment ces pratiques peuvent-elles éclairer la recherche environnementale future ? https://localcontextshub.org/researchers/view/435/
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 | 0.030 | 0.056 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.012 | 0.011 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".