Bibliographic record
Abstract
De doelstelling van het Netwerk Digitaal Erfgoed is om een stelsel van gemeenschappelijke, landelijke voorzieningen en diensten in te richten, die de zichtbaarheid, bruikbaarheid en houdbaarheid van digitaal erfgoed bevorderen. Het streven is daarbij om het bereik van digitaal erfgoed te verhogen tot 90% en de participatie daarin tot 30%. In dit in ontwikkeling zijnde stelsel wordt digitaal erfgoed gezien als één geheel en dus sectoroverstijgend. De toenemende eigenstandige rol van digitaal erfgoed en de zich ontwikkelde digitale mogelijkheden daarbij maken dat digitaal erfgoed kan worden opgevat als een free-choice learning environment, waarin de gebruiker zelf kiest wat hij of zij wil weten, beleven of ervaren. In dit kader past dit onderzoek naar de ontwikkeling van Gedragsprofielen Digitaal Erfgoed. Het ‘soort’ gebruik (en daarmee samenhangend de behoeften en wensen) dat een individu kan maken van digitaal erfgoed is afhankelijk is van de context van dat moment: hetzelfde individu kan dus meerdere soorten gebruiksgedrag vertonen. De invalshoek is dus het gedrag van een gebruiker op een bepaald moment en niet het profiel van de gebruiker. Voor de ontwikkeling en inrichting van digitale erfgoedvoorzieningen en eindgebruikersdiensten is het soort gebruik dat een individu op een bepaald moment van de infrastructuur wenst te maken cruciaal voor de ontwikkeling van de functionaliteit ervan. Het streven is dat in deze studie ontwikkelde Gedragsprofielen Digitaal Erfgoed hiervoor als basis/vertrekpunt kunnen dienen.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.161 | 0.050 |
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".