Rapport et recommandations relatifs à l'Initiative de gestion de l'accès contrôlé aux données de recherche
Bibliographic record
Abstract
De plus en plus, on demande aux chercheuses et chercheurs canadiens de rendre leurs données disponibles en vue d’une réutilisation. Néanmoins, toutes les données ne se prêtent pas à l’exercice. Le respect de la vie privée, les contraintes juridiques, la propriété intellectuelle, les obligations commerciales et les considérations éthiques, entre autres, justifient parfois de restreindre l’accès à certains jeux de données, si bien que l’écosystème de recherche du Canada doit se doter de stratégies et de soutien pour gérer les données de recherche dont l’accès mérite d’être contrôlé. Initiative nationale dirigée par l’Alliance de recherche numérique du Canada (« l’Alliance »), en collaboration avec 29 organisations et établissements appelés « organisations partenaires », l’Initiative de gestion de l’accès contrôlé aux données de recherche (GAC) vise à renforcer la capacité de l’écosystème de recherche du Canada d’encadrer la gestion de l’accès contrôlé aux données de recherche. Pendant un an, les organisations partenaires et leur personnel se sont employés à cartographier la GAC à l’échelle nationale. Ils ont également recensé les besoins et les difficultés des établissements qui y contribuent et élaboré des recommandations afin que le Canada soit mieux outillé pour assumer cette gestion.
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 | 0.170 | 0.301 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.008 | 0.013 |
| Scholarly communication | 0.028 | 0.014 |
| Open science | 0.009 | 0.011 |
| Research integrity | 0.018 | 0.016 |
| Insufficient payload (model declined to judge) | 0.012 | 0.007 |
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".