An interview with Peter H. Buschang
Notice bibliographique
Résumé
Dr. Peter Buschang is regent professor and director of orthodontic research. He has been at Texas A&M University Baylor College of Dentistry since 1988. Dr. Buschang received his PhD in 1980 from the University of Texas at Austin; he spent 3 years as a NIDR postdoctoral fellow at the University of Connecticut, and five years as a FRSQ scholar at the University of Montreal. Every year, Dr. Buschang teaches in 16 different courses, 7 of which he directs. In addition to more than 100 lecture hours per year, he spends hundreds of hours mentoring students. For his teaching efforts, Dr. Buschang was awarded the Robert E. Gaylord Award of Excellence in Orthodontic education in 1992, 1998, 2004, and 2010. He also gives 1-2 day evidence-based CE courses throughout the world. The residents he has taught recently honored him by pledging to fund the Peter H. Buschang Endowed Professorship of Orthodontics. His research interests pertain to craniofacial growth and assessment of treatment effects. Dr. Buschang has been funded regularly over the years by the Medical Research Council of Canada, Fonds de le Recherche en Santé du Québec, the NIH, and the American Association of Orthodontics Foundation. He has mentored over 140 Master's and PhD students, and 49 dental students. Dr. Buschang has published over 250 peer-reviewed articles, 15 book chapters and 198 abstracts. He has given over 150 invited talks and lectures in 14 different countries. For his work with the American Board of Orthodontics, Dr. Buschang was awarded the Earl E. and Wilma S. Shepard Award. Dr. Buschang is the only non-orthodontist ever to have been made an honorary member of both the American Association of Orthodontics (2005) and the Edward H. Angle Society of Orthodontics (2009), the two most prestigious orthodontic groups.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».