כיצד פרסום אקדמי יכול לתמוך ב-FAIR ובמדע פתוח?

לאחרונה היו שלל יוזמות חדשות ומרגשות ב-FAIR וב-OS. פאנל זה נועד להסתמך על התפתחויות אלו. בין הנושאים בהם נעסוק הם:

• אילו כלים ושיטות עבודה פעלו היטב מניסיונך?
• מהם החסמים שמציגים דגמי הפרסום הנוכחיים בפני FAIR ו-OS?
• איזו תשתית יכולים בעלי אתרים לספק כדי להקל על FAIR ומערכת ההפעלה?
• כיצד נוכל להפחית חסימות באינטראקציה בין מדעי הנתונים לקהילות מומחים בתחום?

קית' באטלר (כיסא) תחומי המחקר של קית' באטלר מתמקדים בשימוש בשיטות מונעות נתונים ומידול אטומיסטי כדי להאיץ את התכנון, הפיתוח והאפיון של חומרי אנרגיה ירוקה חדשים. קית' הוא כיום מרצה בכיר באוניברסיטת קווין מרי בלונדון ובעבר היה מדען בכיר במעבדת רתרפורד אפלטון בצוות SciML. קית' פרסם יותר מ-100 מאמרי מחקר שנבדקו על ידי עמיתים הקשורים למדעי החומרים החישוביים, המכסים נושאים כמו מודלים אטומיסטיים של חומרים, תכנון חומרים שאפשר למידת מכונה ולמידת מכונה לניתוח מואץ של נתוני חומרים ניסיוניים. הוא היה מעורב בפיתוח שיטות ML להאצת אפיון חומרים, בפיתוח גישות לשיפור פיזור נויטרונים, טומוגרפיה של קרני רנטגן ומיקרוסקופ אלקטרונים. עבודתו על ML עבור טומוגרפיה של קרני רנטגן הופעלה על ידי Finden Ltd.

קייל קרנמר הוא מנהל המכון האמריקאי למדעי ביטוח משפחה, אוניברסיטת ויסקונסין-מדיסון והעורך הראשי של כתב העת של הוצאת IOP מדע וטכנולוגיה למידת מכונה. פרופסור קרנמר השיג את הדוקטורט שלו בפיזיקה מאוניברסיטת ויסקונסין-מדיסון ב-2005 ואת התואר הראשון שלו במתמטיקה ופיזיקה מאוניברסיטת רייס. הוא זכה בפרס הנשיאותי לקריירה מוקדמת למדע והנדסה ב-2007, בפרס הקריירה של הקרן הלאומית למדע ב-2009, והפך לעמית של האגודה האמריקנית לפיזיקה ב-2021 על עבודתו במאיץ ההדרונים הגדול. קייל פיתח מסגרת המאפשרת מודלים סטטיסטיים שיתופיים, אשר שימש בהרחבה לגילוי בוזון היגס בשנת 2012. תחומי העניין הנוכחיים שלו נמצאים בצומת של פיזיקה, סטטיסטיקה ולמידת מכונה.

Sünje דאלמאייר-טייסן הוא רכז הנתונים בשירות המידע המדעי ב-CERN. יחד עם עמיתיה היא בונה שירותים כדי לאפשר לחוקרים לעסוק במדע פתוח ולנקוט צעדים לקראת מחקר בר-שחזור. בעלת תואר דוקטור במדעי המידע. תפקידיה הקודמים בהוצאה לאור ובניהול מחקר גרמו לה להבין את הצורך לשלב "זרימות עבודה" מדעיות פתוחות בתקשורת וניהול מדעיים כדי לתמרץ אותה. לפיכך, היא עמדה בראש קבוצת RDA Data Publishing Workflows, ומכהנת במספר מועצות של גופים לאומיים ובינלאומיים. עבודה זו, יחד עם שהות מחקרית ב-IQSS באוניברסיטת הרווארד ב-2015, אפשרה לה ללמוד שיטות פרסום נתונים מעבר לגבולות המשמעת.

ג'יימס א וורן הוא מנהל תוכנית גנום החומרים במעבדה למדידת חומרים של המכון הלאומי לתקנים וטכנולוגיה (NIST). לאחר שקיבל את הדוקטורט שלו בפיזיקה תיאורטית באוניברסיטת קליפורניה, סנטה ברברה, שקדם לו תואר AB (גם בפיזיקה) ממכללת דארטמות', בשנת 1992 הוא קיבל תפקיד כפוסט דוקטורט של מועצת המחקר הלאומית בחטיבת המטלורגיה ב-NIST. בשנת 1995, עם שלושה חברי צוות זוטרים נוספים של NIST, הוא ייסד את מרכז NIST למדעי החומרים התיאורטיים והחישוביים, אותו הוא מנהל מאז 2001.

מייגן אנסדל הוא קצין תוכנית בחטיבת המדע הפלנטרי בנאס"א. היא מדענית חלל בעלת רקע במדיניות בינלאומית, המוקדשת לשילוב מומחיותה בתחומים אלה כדי לטפח מדע פתוח לקידום הידע האנושי. מייגן עובדת כיום במטה נאס"א בוושינגטון הבירה, שם היא תומכת ביוזמת המדע הפתוח של נאס"א עם התמקדות בהגדלת היישום של בינה מלאכותית וגישות מונעות נתונים אחרות למדעי החלל. היא גם מנהלת את מערכת הנתונים הפלנטריים, הארכיון ארוך הטווח של נאס"א לכל הנתונים שהוחזרו ממשימות המדע הפלנטרי שלה. לפני נאס"א, מייגן הייתה עמיתת מחקר במכון פלטירון בניו יורק, שם תרמה למטרה של המכון לקדם את המחקר המדעי באמצעות שיטות חישוביות. עבודת הדוקטורט של מייגן מאוניברסיטת הוואי על המחקרים הדמוגרפיים הראשונים של דיסקים פרוטו-פלנטריים באזורים סמוכים ליצירת כוכבים זכתה בפרס הדוקטורט של האיגוד האסטרונומי הבינלאומי למערכות פלנטריות וביו-אסטרונומיה. מייגן גם מחזיקה בתואר שני במדיניות מדע וטכנולוגיה בינלאומית מאוניברסיטת ג'ורג' וושינגטון, שם חקרה ודגלה בשיתוף פעולה בינלאומי בחקר החלל האנושי.

דניאל קירס הוא ראש אסטרטגיה וביצועי כתב עת בהוצאת IOP. דניאל תומך במתן תכנון אסטרטגי ותובנות עסקיות על תוכנית פרסום כתבי העת ב-IOP Publishing, עם התמקדות מיוחדת בפרסום מדעי פתוח ופיתוחי מדיניות. לפני שהצטרף ל-IOP, דניאל מילא תפקידים בניהול תוכניות הוצאה לאור במדעי הטבע, היישומי והחברה במספר מוציאים לאור, כולל Wiley, ICE Publishing ו-Taylor & Francis. דניאל עוסק בפרסום בגישה פתוחה מאז 2012, וב-IOP הפך לתומך נלהב של פיתוחים מדעיים פתוחים במדעי הפיזיקה.

על היומן הזה

למידת מכונה: מדע וטכנולוגיה הוא כתב עת רב תחומי בגישה פתוחה המגשר בין היישום של למידת מכונה על פני המדעים עם התקדמות בשיטות ותאוריה של למידת מכונה, המוניעים על ידי תובנות פיזיות.

 עורך ראשי: קייל קרנמר, אוניברסיטת ויסקונסין-מדיסון, ארה"ב

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה כאן.
• מקור: https://physicsworld.com/a/how-can-academic-publishing-support-fair-and-open-science/