Résultats de l'Enquête sur les pratiques en matière de gestion des données de recherche à l'UQTR (CC BY 4.0)
Bibliographic record
Abstract
Dans le cadre de l'élaboration d'une offre de services en matière de gestion des données de la recherche (GDR), le Service de la bibliothèque et le Décanat de la recherche et de la création de l'Université du Québec à Trois-Rivières a procédé à une enquête sur les pratiques de ses chercheurs en matière de GDR. L'enquête s'est déroulée entre le 28 février et le 22 mars 2019. Sur les 460 professeurs et 35 chercheurs postdoctoraux invités à participer, 75 ont fourni une réponse complète ou partielle. Les fichiers enquete_gdr_uqtr_questionnaire_2019.pdf et enquete_gdr_uqtr_consigne.txt permettent de visualiser le questionnaire utilisé. Cette enquête comprend 37 questions. Il s'agit d'une version remaniée de l'enquête développé par le Consortium canadien d’enquête en GDR de Portage. Les commentaires ont été retirés des données déposées dans Dataverse pour assurer la confidentialité des répondants. Liste des fichiers (noms des fichiers et description): Lisez-moi_Enquete_GDR-UQTR_2019_v11-26-2019.txt : Description de l'enquête et des fichiers Enquete_gdr_uqtr_questionnaire_2019.pdf : Questionnaire utilisé pour le sondage à l'UQTR enquete_gdr_uqtr_consigne.txt : Consignes énoncées en début du sondage de l'UQTR Enquete_gdr_uqtr_donnees_2019_P.csv : Fichiers des données de l'UQTR formatées afin de permettre une intégration au fichier national de données de Portage Enquete_gdr_uqtr_CodeBook_2019_P.pdf : Dictionnaire des données du fichier "Enquete_gdr_uqtr_donnees_2019_P.csv" Enquete_gdr_uqtr_donnees_2019_N.tab : Fichier des données nettoyées d'origine Enquete_gdr_uqtr_Dictionnaire_Donnees_2019_N.pdf : Dictionnaire des données du fichier "Enquete_gdr_uqtr_donnees_2019_N.csv" Enquete_gdr_uqtr_resultats.pdf : Fichier PDF d'une présentation Powerpoint résumant les principaux résultats
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 | 0.151 | 0.338 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.009 | 0.017 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.013 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.132 | 0.075 |
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".