How<i>BJSM</i>embraces the power of social media to disseminate research
Notice bibliographique
Résumé
Ways of communication have changed considerably in recent years. The latest innovation is what has become known as ‘social media’. Wikipedia (itself a social platform) defines social media as “the means of interactions among people in which they create, share and exchange information and ideas in virtual communities and networks.”1 You probably use some different social websites, for example, Twitter, Facebook, LinkedIn, ResearchGate, YouTube, Skype, Flickr, Wordpress, Reddit, Mendeley, etc. These are the more popular among a much larger mix of social platforms. The foremost strength of social media is the constant availability of interaction with your peers through mobile devices. Today, smart phones pack the computing power of a low-end laptop in the palm of your hand. Thereby, you can communicate and share messages, pictures, videos and music, with your social network wherever you are and whenever you want. You do not need to be an active user of social media to grasp its potential. You can be a so-called listener or lurker. “In most online communities, 90% of users are lurkers who never contribute, 9% of users contribute a little and 1% of users account for almost all the action.”2 The practical use of sifting through discussions and other people's messages is that you can follow topics of interest (eg, concussion), colleagues (eg, @RoaldBahr, @ProfJillCook) or journals, thereby gaining a very quick view of the …
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 | 0,028 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,021 |
| Communication savante | 0,041 | 0,023 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,013 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,038 |
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 ».