Daten für eine Hypothese kuratieren
Eine Hypothese hinein. Ein fundiertes Korpus in einem Symposium-Community-Record heraus: eine
ScientificPublication pro Quelle, die Passagen und Tabellen, die darauf basieren, und ein Argument,
das daraus extrahiert wurde.
Diese Quellen zu finden ist die Aufgabe dieser Skill und der Hauptteil dieses Dokuments. Sie in Artifakte umzuwandeln ist die Aufgabe von Symposium, und Schritt 7 übergibt sie.
Begriffe
Fünf Dokumente teilen sich dieses Vokabular. Es ist hier festgelegt.
| Begriff | Bedeutung |
|---|---|
| Hypothese | eine Aussage der Form Wenn [Ursache], dann [Wirkung], weil [Begründung] |
| Klausel | einer ihrer drei Teile: Ursache, Wirkung, Begründung |
| Facette | ein aus einer Klausel abgeleitetes Konzept – eine Entität, Methode, Population oder ein Ergebnis – und das Vokabular, mit dem ein Durchlauf sucht |
| Index | ein Dienst, der nach Werken durchsucht wird: OpenAlex, Europe PMC, Crossref, PubMed, bioRxiv, Semantic Scholar |
| Repository | ein Dienst, der hinterlegte Daten bereithält: MassIVE, GNPS, MetaboLights, Metabolomics Workbench, PRIDE |
| Treffer | ein einzelnes Ergebnis, das ein Index zurückgibt, bevor die Identität aufgelöst wird |
| Werk | wozu die Identität eine Reihe von Treffern auflöst – ein Preprint und seine veröffentlichte Version sind ein Werk |
| Ursprung | ein Werk, das die Suche als direkte Antwort auf die Hypothese behalten hat, und ein Ausgangspunkt für die Traversierung |
| Quelle | ein Werk, das sich im Korpus befindet |
| Korpus | die Quellen, die dieser Durchlauf veröffentlichen wird |
| Zeile | eine Quelle, wie die Prüftabelle sie anzeigt |
| Ort | eine URL, DOI oder Accession, unter der ein Dokument lebt |
| Adresse | eine Symposium-Artifakt-Referenz, geschrieben als @name |
| das Record | das Symposium-Community-Record, in das veröffentlicht wird |
Die Arbeitsdatei
Ein Durchlauf enthält mehr, als in ein Gespräch passt, und die Prüftabelle wird nach jeder Aktion neu gezeichnet. Daher führt ein Durchlauf eine Datei:
<Benutzerverzeichnis>/.symposium-curate-data/run.json– ein Verzeichnis dieser Skill im Benutzerverzeichnis, geschrieben in der Pfadnotation der Host-Plattform.- JSON, da es über einen langen Durchlauf hinweg Feld für Feld aktualisiert wird. Ein Objekt, das die Hypothese, die Facetten, den Umfang, die Community und den Handle, unter dem dieser Durchlauf veröffentlicht, jede Quelle mit allem Bekannten darüber sowie die Entscheidungen und Veröffentlichungen, die zu jeder aufgezeichnet wurden, enthält.
Zeichne die Tabelle aus dieser Datei neu, nicht aus dem Gedächtnis. Schreibe jede Aktion in sie, bevor du neu zeichnest. Ein Durchlauf, der aus irgendeinem Grund stoppt – der Prüfschleife, der Übergabe, einer verlorenen Sitzung – wird durch Lesen dieser Datei fortgesetzt.
Zeichne die Community und den Handle in dem Moment auf, in dem sie festgelegt sind, und stelle diese Sitzung bei jeder Wiederaufnahme wieder her. Eine ausgewählte Sitzung gehört zu der Agentensitzung, die sie ausgewählt hat, und überdauert diese nicht. Ein in einer neuen Sitzung wieder aufgenommener Durchlauf beginnt daher ohne eine – absichtlich, damit zwei Agenten auf einem Rechner sich nicht gegenseitig ändern. Was der Durchlauf über die Lücke hinweg tragen muss, ist welche Community er veröffentlicht, denn ein wieder aufgenommener Durchlauf, der die gerade aktuelle Sitzung erbt oder den Benutzer auffordert, die Community erneut zu benennen, kann in das falsche Record veröffentlichen. Dieses Record ist anfügen-nur, und die Artifakte können nicht zurückgezogen werden. Also: lies die Community und den Handle aus der Arbeitsdatei, wähle diese Sitzung aus, bestätige, dass sie die ausgewählte ist, und fahre erst dann fort. Wenn der Durchlauf fortgesetzt wird und die aufgezeichnete Community nicht ausgewählt werden kann, stoppe und teile dies mit, anstatt woanders zu veröffentlichen.
Ein Durchlauf nach dem anderen. Wenn bereits ein Durchlauf läuft, frage den Benutzer, bevor du ihn überschreibst.
Bevor du beginnst: Lege fest, wo du veröffentlichst
Alles, was dieser Durchlauf produziert, geht in ein Symposium-Community-Record – anfügen-nur, erreicht über eine Sitzung und durch ein Gate entschieden. Lege daher zwei Dinge fest, bevor du irgendetwas suchst:
- Die Sitzung, in der du arbeitest.
- Die Community, deren Mitglied du bist und in die du veröffentlichen wirst.
Wenn es noch keine Community gibt, gibt es einen Weg dorthin: Einrichten eines Datenservers,
Gründen einer Community mit einer community.json und Beitreten mit einer Einladungsdatei. Führe
den Benutzer durch diesen Weg, anstatt ihn zu umgehen. Schlüssel und Einladungen bewegen sich als
Dateien; ein Schlüssel, eine Passphrase oder eine Einladung gehört in eine Datei, und der Chat ist
möglicherweise nicht der richtige Ort dafür.
Wenn in dieser Umgebung nichts auf ein Symposium-Community-Record wirken kann – keine Sitzung, keine Community, keine Möglichkeit, einen Datenserver zu erreichen – fehlt die Symposium-Skill, und sie ist erforderlich. Sage es und verweise den Benutzer auf https://github.com/ndexbio/symposium/releases, um sie neben dieser zu installieren. Suchen und Kuratieren funktionieren trotzdem, wenn sie das Korpus jetzt und das Record später wollen; Schritt 7 wartet, bis es da ist.
Dieser Versuch ist die gesamte Prüfung. Nach einer Sitzung und einer Community zu fragen, ist Arbeit, die dieser Durchlauf ohnehin braucht, und was zurückkommt – oder was fehlschlägt – sagt aus, ob das Record erreichbar ist.
Schritt 1 – Lies die Hypothese
Eine Hypothese gibt alle drei Klauseln an: Wenn [Ursache], dann [Wirkung], weil [Begründung].
Wenn eine fehlt, sage welche, und arbeite mit dem Benutzer daran, sie zu formulieren. Die Begründung ist die, die die Leute weglassen, und sie ist die Klausel, die bestimmt, wonach ein Drittel der Suche sucht.
Zerlege dann jede Klausel in Facetten – Entitäten, Methoden, Populationen, Ergebnisse. Diese bilden das Vokabular des Durchlaufs: Jede Abfrage wird aus ihnen aufgebaut, jede Quelle wird gegen sie bewertet, und der Schwellenwert, der die Traversierung begrenzt, wird in ihnen gemessen.
Zeige dem Benutzer die Facetten, bevor du etwas suchst. Eine falsche Facette ist billig jetzt zu korrigieren und teuer, nachdem vierzig Quellen darum herum gesammelt wurden.
Schritt 2 – Lege den Umfang fest
Zwei Zahlen, und sie sind die einzigen Stellschrauben, die der Benutzer dreht.
Sage, was jede Zahl zählt, in den Worten des Benutzers, bevor du sie nennst. Ursprung und Quelle sind das Vokabular dieses Dokuments, und die Umfangsfrage ist der Ort, an dem der Benutzer ihnen zum ersten Mal begegnet. Eine Bezeichnung allein sagt ihnen, wie die Zahl heißt, nicht, was sie tut, und eine Zahl, die niemand versteht, ist eine Zahl, die niemand ändert. Beginne also mit der klaren Beschreibung und behalte den Begriff als Klammerzusatz.
Max Ursprünge – die Werke, die die Suche als ihre besten direkten Antworten auf die Hypothese behält und die Ausgangspunkte, aus denen alles andere erwächst. Die Suche fördert hunderte Kandidaten zutage; dies ist, wie viele der stärksten sie behält. Mehr davon erreichen Teile der Literatur, die niemanden gemeinsam zitieren; weniger ergeben einen engeren, tieferen Cluster um das stärkste Werk. Standard 10.
Max Quellen – die Größe des fertigen Korpus: jedes Werk, das die Prüftabelle und das Record erreicht. Es sind die Ursprünge plus alles, was einen Zitationsschritt entfernt ist und hoch genug bewertet wurde, um behalten zu werden, nachdem Duplikate kollabiert sind. Es ist das Budget für alles nachgelagerte, da jede Quelle abgerufen, triagiert, als Zeile angezeigt und veröffentlicht wird. Standard 40.
Gib beide mit ihren Kosten an – ungefähr wie lange der Durchlauf dauert und wie viele Zeilen der Benutzer lesen wird. Ungefähr so, angepasst an die vorliegende Hypothese:
Zwei Zahlen legen fest, wie breit dieser Durchlauf wird.
Startpapiere (Max Ursprünge) – die stärksten direkten Antworten auf Ihre Hypothese. Ich suche von diesen aus nach außen. Standard 10.
Gesamtpapiere (Max Quellen) – wie groß das fertige Korpus wird: diese Startpapiere plus die, zu denen ihre Zitate führen. Jedes wird zu einer Zeile, die Sie prüfen, und zu einem Satz von Artifakten im Record. Standard 40 – etwa 40 Zeilen zu lesen und ein paar hundert Einreichungen zu veröffentlichen.
Beginne mit der Suche, sobald sie antworten, egal ob sie die Standardeinstellungen übernommen oder ihre eigenen genannt haben.
Schritt 3 – Suche
Vier Abfragefamilien aus den drei Klauseln, jede kalibriert, bevor sie eingesetzt wird. Die besten Treffer aus allen vier werden zu den Ursprüngen.
Schritt 4 – Erweitere um einen Schritt
Zurück, vorwärts und seitwärts von den Ursprüngen aus, mit dem Ursprungsschwellenwert als Definition des Schritts.
Schritt 5 – Kläre den Zugang
Gehe die Leiter für jede Quelle hinunter, triagiere, was zurückkommt, und hinterlasse jede mit einem Status und einer Notiz.
Schritt 6 – Kuriere und prüfe mit dem Benutzer
Identität, Rücknahmestatus, Unabhängigkeit und Abdeckung. Dann die Prüfschleife: eine Tabelle jeder Quelle mit ihrem Status, die der Benutzer Zeile für Zeile durcharbeitet, bis er sie genehmigt.
Nichts wird veröffentlicht, bevor er es tut.
Schritt 7 – Übergib das Korpus an Symposium
Die Community definiert, wie eine Quelle zu Artifakten wird – vollständig, in ihren eigenen Dokumenten. Die Konzepte hier zu benennen, macht diesen Schritt lesbar; es ersetzt nicht, sie zu lesen. Also:
1. Sage, was du tust, und lass die Dokumente der Community antworten. Du handelst als
Mitglied dieser Community, veröffentlichst Artifakte in ihrem Record, in der
importer-Veröffentlichungsrolle: importierst externes Material, damit die Community darauf
aufbauen kann, und extrahierst die Argumente, die die Quellen machen.
2. Lies, bevor du etwas baust: die Betriebsanleitung für ein Mitglied; die Charta der
importer-Veröffentlichungsrolle; die geltenden Richtlinien darüber, was aus einer Quelle
eingebettet werden darf und was eine Darstellung auf dem Weg hinein ändern darf; und das
Verfahren zur Extraktion des Arguments eines Papiers. Folge jedem Verweis, den sie machen.
Sie führen zueinander, und der am Ende der Kette trägt die Regeln, die du am wahrscheinlichsten
brichst.
3. Prüfe, ob du angekommen bist. Progressive Offenlegung scheitert leise: Ein Agent liest das erste Dokument, fühlt sich orientiert und beginnt zu bauen. Also bevor du baust, sage in eigenen Worten:
| Was du sagen können musst | Was bedeutet, dass du erreicht hast |
|---|---|
| was ein Artifakt, eine Assertion, ein Ground und eine Annahme sind und wie ein Artifakt ein anderes adressiert | die Spezifikation |
was der Importer veröffentlichen darf, was import_method angeben muss und was die Rolle tut, wo eine Quelle der Erhaltung widerstrebt | die Charta des Importers |
| warum die Extraktion zwei Handlungen sind, welche zuerst kommt und was zwischen ihnen passiert | das Extraktionsverfahren |
was aus einer Quelle eingebettet werden darf und was hinter einem download bleibt | die Einbettungsrichtlinie |
| was eine Darstellung auf dem Weg hinein ändern darf | die Wiedergabetreuerichtlinie |
Wo du eines nicht sagen kannst, hast du zu wenig gelesen: gehe zurück und finde, was das Thema abdeckt. Nichts davon wird hier wiederholt, und wo diese Skill und die eigenen Dokumente der Community widersprechen, haben die Dokumente der Community recht.
4. Synchronisiere und lies zuerst das Record. Es ist anfügen-nur, also wird alles, was es bereits enthält, per Adresse zitiert und nicht erneut veröffentlicht.
5. Baue für jede Quelle: die ScientificPublication, die Passagen, die jeder Ground benötigt,
die Tabellen, auf die ein Argument sich stützt, und das daraus extrahierte Argument. Jedes
abgeleitete Artifakt zitiert die Publikation per Adresse, anstatt ihren Ort zu wiederholen.
Alles unter --role importer.
Was auf dem Weg hinein aus der Quelle genommen werden darf, steht in reference/TAKING.md: Messungen sind Beobachtungen der Welt und werden wie aufgezeichnet wiedergegeben; Sätze sind verfasste Äußerungen und werden als begrenzte, zugeschriebene Zitate genommen; alles Abgeleitete ist in eigenen Worten geschrieben.
6. Veröffentliche in das Record, das die Einreichung, Reihenfolge und das Gate verwaltet.
Bestätige die Sitzung vor jeder Einreichung. Nicht nur einmal zu Beginn und nicht nur bei Wiederaufnahme: vor jeder einzelnen. Eine Sitzung wird pro Agentenprozess ausgewählt, und alles, was in diesem Prozess läuft, kann sie ändern – das Ausführen des Gates zwischen Einreichungen ist der normale Weg, wie es passiert, und die folgende Veröffentlichung geht als derjenige hinaus, als den das Gate lief. Nichts downstream fängt es ab. Das Gate prüft, ob das Artifakt konform ist, und ein Artifakt, das unter dem falschen Handle veröffentlicht wurde, ist perfekt konform; es trägt eine falsche Aussage darüber, wer das Material hereingebracht hat, in einem Record, das es nicht zurückziehen kann.
Lies also die Sitzung zurück, prüfe sie gegen die Community und den Handle in der Arbeitsdatei und wähle sie neu aus, wenn sie sich verschoben hat. Es ist eine billige Prüfung gegen einen dauerhaften Fehler, und die Kosten, sie zu überspringen, werden immer erst nachträglich bezahlt.
Das Veröffentlichen ist der lange Teil
Jede Quelle wird zu mehreren Artifakten, und ein abgeleitetes Artifakt kann nicht eingereicht werden, bis die Publikation, die es zitiert, akzeptiert wurde – also sind Einreichungen seriell, mit dem Gate zwischen abhängigen. Vierzig Quellen sind ein paar hundert Einreichungen und eine Menge Urteilsvermögen: Passagenauswahl, ein Argument, zwei Methodeneigenschaften, jedes frisch geschrieben.
Das Risiko ist nicht Scheitern, sondern Verfall. Ein Agent, der vierzig Quellen tief ist, verfällt in eine Vorlage, und ein vorlagenhaftes Argument ist der Fehler, den diese Skill zu vermeiden existiert, erreicht durch Erschöpfung.
Veröffentliche also inkrementell. Gehe Quelle für Quelle vor. Zeichne jede veröffentlichte Quelle in der Arbeitsdatei auf. Ein Durchlauf, der stoppt, setzt von dort fort. Sage dem Benutzer am Genehmigungshalt, dass dies der lange Teil ist und in Sitzungen erledigt werden kann – Qualität pro Quelle ist der Punkt; die Liste in einer Sitzung zu beenden, ist es nicht.
Korrigieren von bereits Veröffentlichtem
Wo ein Artifakt, das dieser Durchlauf bereits veröffentlicht hat, sich als falsch herausstellt, ist die Korrektur deine, unter dem folgenden Test. Das Record erwartet, dass ein Mitglied einen Fehler in seiner eigenen Arbeit korrigiert, und ein Durchlauf von vierzig Quellen, der anhält, um bei jeder zu fragen, würde den Nutzen verschwenden.
… [gekürzt zur Übersetzung]