La gestion des données de recherche dans le contexte canadien : un guide pour la pratique et l'apprentissage
Bibliographic record
Abstract
"La gestion des données de recherche est une pratique qui désigne tout ce que les chercheuses et chercheurs font pour structurer, organiser et préserver leurs données avant, pendant, et après la réalisation d'une recherche. La GDR est également une discipline émergente qui s'intéresse à la recherche et au développement de moyens qui permettent de gérer plus efficacement les données de recherche. Mais que sont les données de recherche ? D'où viennent les exigences pour formaliser la gestion des données de recherche ? Quels sont les critères d'une bonne gestion des données ? La gestion des données de recherche dans le contexte canadien : un guide pour la pratique et l'apprentissage aborde ces questions et d'autres encore, en mettant l'accent sur les lignes directrices, les règlements et l'infrastructure au Canada." -- Open Library (eCampusOntario)
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 | 0.031 | 0.046 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.009 | 0.011 |
| Science and technology studies | 0.011 | 0.015 |
| Scholarly communication | 0.024 | 0.016 |
| Open science | 0.005 | 0.011 |
| Research integrity | 0.007 | 0.008 |
| Insufficient payload (model declined to judge) | 0.029 | 0.024 |
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".