L’éthique de la valorisation des bases de données et des banques de matériel créées à des fins de recherche : une étude empirique et normative
Bibliographic record
Abstract
Ce mémoire examine plusieurs questions d'éthique auxquelles font face les chercheurs universitaires en ce qui concerne la valorisation (le partage, la réutilisation et la commercialisation) des bases de données et des banques de matériel. Dans un premier temps, nous présentons les résultats d'une étude qualitative du point de vue de vingt deux chercheurs à l'Université de Montréal, qui révèle les nombreuses limitations à la valorisation, y compris le manque de ressources, le consentement à la recherche, la confidentialité des participants ou patients et la compétition entre chercheurs. Malgré ces limitations, le partage de bases et de banques est la forme de valorisation la plus acceptée par les chercheurs à l’Université de Montréal. De plus, ce partage est préconisé dans la documentation scientifique comme un idéal de la science. Dans un deuxième temps, nous démontrons que si le partage de bases et de banques est primae facie une norme éthique généralement acceptée, les limitations à cette norme devraient être davantage comprises et justifiées. Pour ce faire, nous présentons une analyse des limitations principales du partage des bases et des banques qui révèle que la plupart de ces limitations sont causées par des manquements à l’intégrité de la recherche (manque de collégialité ou de confiance). Dans un troisième temps, nous terminons en proposant des recommandations et des pistes de réflexion afin de susciter un plus grand partage éthique des bases de données et des banques de matériel tout en respectant certaines contraintes justifiables.
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 | 0.249 | 0.220 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.006 | 0.006 |
| Science and technology studies | 0.011 | 0.084 |
| Scholarly communication | 0.028 | 0.026 |
| Open science | 0.004 | 0.014 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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; the direct Gemma label and the distilled Codex classifier 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".