Bibliographic record
Abstract
The Future of Open Data est issu d’un projet de recherche en partenariat subventionné pendant plusieurs années par le Conseil de recherches en sciences humaines (CRSH) qui vise à explorer les données gouvernementales géospatiales ouvertes dans une perspective interdisciplinaire. Les chercheurs associés à cette subvention ont adopté une perspective critique en sciences sociales basée sur l’impératif voulant que la recherche devrait être pertinente à la fois pour le gouvernement et pour les partenaires de la société civile œuvrant dans ce domaine. Cet ouvrage s’appuie sur les connaissances développées durant la période de validité de la subvention et soulève la question : « Quel est l’avenir des données ouvertes ? » Les collaborateurs partagent leurs idées à propos de l’avenir des données ouvertes à la suite d’observations et de recherches menées pendant cinq ans sur la communauté des données ouvertes canadiennes selon une perspective critique de ce qui pourrait et ce qui devrait arriver dans un contexte où évoluent les efforts concernant les données ouvertes. Chaque chapitre de ce livre aborde une diversité d’enjeux tout en s’appuyant sur des perspectives disciplinaires ou interdisciplinaires. Le premier chapitre retrace les origines des données ouvertes au Canada et la manière dont la situation a évolué jusqu’à aujourd’hui, en tenant compte du croisement entre le mouvement de souveraineté des données autochtones et les données ouvertes. Quelques chapitres se penchent sur certains dangers et sur les possibilités des données ouvertes, à leurs limites et même aux responsabilités qui s’y rattachent. Une autre série de chapitres examine les horizons appropriés pour les données ouvertes, incluant les données ouvertes dans le Sud global, les priorités des gouvernements locaux en matière de données et le contexte émergent des données ouvertes dans les milieux ruraux.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.007 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.570 | 0.991 |
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; both teacher heads agree on what is shown here.
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".