HeFDI Data Survey 2024 - Statistiken zu Bekanntheit, Aktivitäten und Bedarfen
Bibliographic record
Abstract
Der HeFDI Data Survey 2024 wurde im Rahmen des Verbunds Hessische Forschungsdateninfrastrukturen (HeFDI) durchgeführt, um ein umfassendes Bild des aktuellen Stands des Forschungsdatenmanagements (FDM) an den hessischen Universitäten zu zeichnen Methodisch orientierte sich der HeFDI Data Survey an der bundesweiten Studie EVER_FDM (2022/23) und verwendete einen weitgehend identischen Fragebogen, um Konsistenz und Vergleichbarkeit sicherzustellen. Die Datenerhebung erfolgte als Online-Befragung im Zeitraum vom 12. September bis 29. November 2024. Insgesamt nahmen 1.235 Personen der fünf hessischen Universitäten – Goethe-Universität Frankfurt, Justus-Liebig-Universität Gießen, Philipps-Universität Marburg, Technische Universität Darmstadt und Universität Kassel – teil. Davon gaben 1.064 Befragte an, aktuell oder in der Vergangenheit in der Forschung tätig zu sein; diese Gruppe bildet die Grundlage der vorliegenden statistischen Auswertungen.
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 | 0.008 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.009 | 0.001 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.007 | 0.011 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.039 | 0.009 |
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".