MétaCan
Menu
Retour à la cohorte
Enregistrement W2314306412 · doi:10.1126/science.339.6125.1274-a

Latin American Science: Much Work Remains

2013· letter· en· W2314306412 sur OpenAlexaboutno aff
Jorge A. Huete‐Pérez

Notice bibliographique

RevueScience · 2013
Typeletter
Langueen
DomaineMedicine
ThématiqueBiotechnology and Related Fields
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLatin AmericansWork (physics)Engineering ethicsPolitical scienceEngineeringLawMechanical engineering

Résumé

récupéré en direct d'OpenAlex

![Figure][1] CREDIT: ISTOCKPHOTO At a time when remarkably few Latin American countries are improving their research capacity, it seems incongruous to display much enthusiasm about the future of science, technology, and innovation in the region. The Editorial Growing Latin American asserts that the region is swiftly improving its research capacity (C. R. S. Garcia et al. , 30 November 2012, p. [1127][2]). By not clarifying that only a handful of Latin American countries are experiencing scientific growth, the optimism reflected in the Editorial is somewhat misleading. Despite increasing its share of publications from 1 to 4% in the past 30 years, Latin America remains a small player on the world scale, ranking behind Europe, Asia, North America, and the Middle East ([ 1 ][3]). In Latin America, scientific growth is far from uniform. Brazil, Mexico, Argentina, Chile, and Colombia combined contribute 95% of all scientific publications in the region ([ 2 ][4]). The remaining countries lag far behind the rest of the world. Insufficient investment in R&D has resulted not only in subpar academic quality, but also in minimal synergy between industry and universities. In 2009, investment in R&D in Latin America was equivalent to 0.69% of GDP, compared to 2.40% in Organization for Economic Co-operational and Development (OECD) countries ([ 3 ][5]). In some countries in the region, meager increases in public spending on R&D reflect an overall increase in spending as the economies grow, rather than a greater ratio in R&D. Although some training fellowships have been established in the region, they are generally limited to the largest economies. To move from scientifically lagging to scientifically proficient, smaller countries need to create a weightier pool of scientists, invest more resources, and strengthen their science programs. Most important, they would benefit from improved science, technology, and innovation strategies to lead them toward knowledge-based economies. Although positive news regarding science in powerhouse nations such as Brazil is encouraging, we shouldn't be blind to the fact that much remains to be done to advance science in Latin America. 1. [↵][6] 1. E. Archambault , Thirty years in science: Secular movements in knowledge creation (Montreal, Quebec, Monograph, Science-Metrix, 2010); [www.science-metrix.com/30years-Paper.pdf][7]. 2. [↵][8] The SCImago Journal & Country Rank ([www.scimagojr.com][9]). 3. [↵][10] RICYT (Network for Science and Technology Indicators), Database of Indicators (2011); [www.ricyt.org][11] [in Spanish]. [1]: pending:yes [2]: /lookup/doi/10.1126/science.1232223 [3]: #ref-1 [4]: #ref-2 [5]: #ref-3 [6]: #xref-ref-1-1 View reference 1 in text [7]: http://www.science-metrix.com/30years-Paper.pdf [8]: #xref-ref-2-1 View reference 2 in text [9]: http://www.scimagojr.com [10]: #xref-ref-3-1 View reference 3 in text [11]: http://www.ricyt.org

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,922

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,005
Études des sciences et des technologies0,0070,005
Communication savante0,0200,013
Science ouverte0,0020,007
Intégrité de la recherche0,0070,010
Charge utile insuffisante (le modèle a refusé de juger)0,2760,201

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,270
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineÉvaluation
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetBiotechnology and Related FieldsTravaux en français237 207