Academic Institutions and One Health
Notice bibliographique
Résumé
To improve health at the human, animal, and ecosystem interface, defined as One Health, training of researchers must transcend individual disciplines to develop a new process of collaboration. The transdisciplinary research approach integrates frameworks and methodologies beyond academic disciplines and includes involvement of and input from policy makers and members of the community. The authors argue that there should be a significant shift in academic institutions' research capacity to achieve the added value of a transdisciplinary approach for addressing One Health problems. This Perspective is a call to action for academic institutions to provide the foundations for this salient shift. The authors begin by describing the transdisciplinary approach, propose methods for building transdisciplinary research capacity, and highlight three value propositions that support the case. Examples are provided to illustrate how the transdisciplinary approach to research adds value through improved sustainability of impact, increased cost-effectiveness, and enhanced abilities to mitigate potentially harmful unintended consequences. The authors conclude with three key recommendations for academic institutions: (1) a focus on creating enabling environments for One Health and transdisciplinary research, (2) the development of novel funding structures for transdisciplinary research, and (3) training of "transmitters" using real-world-oriented educational programs that break down research silos through collaboration across disciplines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,020 | 0,023 |
| Communication savante | 0,027 | 0,013 |
| Science ouverte | 0,004 | 0,041 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».