数据集概述
本数据集包含生物医学文献开放数据集检测工作流相关数据，涵盖2020-2021年文献的开放数据自动检测与人工验证结果、评分者间信度计算数据、数据字典及不同格式的提取表单，用于分析生物医学文献中开放数据集的判定结果与评估逻辑。
文件详解
- 开放数据评估数据集
- 文件名称：charite_open_data_2020.csv、charite_open_data_2021.csv
- 文件格式：CSV
- 字段映射介绍：包含文献DOI、开放数据二元判定（open_data_assessment/assessment）、数据引用（reference_to_data）、数据访问权限（data_access）等字段；NULL值通过n_a、restricted、open_data_reuse等字段补充判定为非开放类别
- 评分者间信度数据
- 文件名称：IRR_2_raters_article_level.csv、IRR_3_raters_dataset_level.csv
- 文件格式：CSV
- 字段映射介绍：记录100篇文献的2名评分者信度数据，及其中20篇文献的3名评分者信度数据，包含文献级与数据集级评估结果
- 数据字典
- 文件名称：data_dictionary_open_data.csv
- 文件格式：CSV
- 字段映射介绍：说明所有数据文件的变量名称、描述、取值范围及类型
- 提取表单
- 文件名称：2023-08-17-Openness (en) 2021.json、2023-08-17-Openness (en) 2021.md、2023-08-17-Openness (en) 2022.json、2023-08-17-Openness (en) 2022.md
- 文件格式：JSON、Markdown
- 字段映射介绍：2021-2022年开放数据筛查使用的提取表单，记录评估问题与选项
数据来源
Workflow for detecting biomedical articles with openly available underlying datasets - Datasets and extraction forms
适用场景
- 生物医学开放数据趋势分析：通过年度数据集评估生物医学文献中开放数据集的占比变化
- 开放数据判定逻辑研究：分析二元判定字段与补充字段的关联，探索非开放类别的细分场景
- 文献筛查工具验证：对比ODDPub自动检测与Numbat人工验证的结果一致性
- 评分者间信度方法研究：基于100篇文献的信度数据，优化开放数据人工评估的流程设计
- 生物医学文献数据标准制定：参考数据字典与提取表单，规范开放数据评估的字段与取值
