A guide for using social media in environmental science and a case study by the Students of SETAC
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: In the past few years, the use of social media has gradually become an important part of our daily lives. While some might see this as a threat to our productivity or as a source of procrastination, social media as a whole have unquestionably changed the way in which information and knowledge disseminate in our society. SOCIAL MEDIA GUIDE: This article is meant to serve as a guide for scientists who would like to establish their online presence and includes an outline of the benefits of using social media as well as strategies for establishing and improving your presence in social media. Environmental scientists in particular can benefit enormously from this approach, since this field of science deals with topics that directly impact our daily lives. CASE STUDY: To highlight these approaches for our fellow scientists in the field of environmental science and toxicology and in order to better engage with our own peers, we describe the outreach methods used by the student advisory councils of the Society of Environmental Toxicology and Chemistry (SETAC) and how we have worked towards an improved social media presence. In this article we present our initiatives to increase social media usage and engagement within SETAC. This includes joint social media accounts organized by the SETAC student advisory councils from various SETAC geographical units. We also led a course on social media usage at the SETAC Nashville meeting in 2013 and are currently developing other outreach platforms, including high school student-oriented science education blogs. CONCLUSION: The Students of SETAC will continue to increase communication with and among SETAC students on a global level and promote the use of social media to communicate science to a wide variety of audiences.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle