MétaCan
Menu
← Retour à la cohorte
Enregistrement W2737110623 · doi:10.20381/ruor-20659

Improving the Canadian Institute for Health Research's (CIHR) grant applications: An analysis of the policies governing the funding process

2017· article· en· W2737110623 sur OpenAlexfundaboutno aff
Sheridan M. Parker

Notice bibliographique

RevueuO Research (University of Ottawa) · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPolitical scienceProcess (computing)Public administrationLibrary scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Objectives: This study seeks to examine the effectiveness of IdentificationAn online questionnaire composed of both MethodologyObjectives: This study seeks to examine the effectiveness of the CIHR policy reforms in obtaining their five objectives: to decrease application workload, to alleviate peer review IdentificationAn online questionnaire composed of both qualitative and quantitative questions was administered to health researchers in various Researchers identified through grant success and faculty position decrease application workload, to alleviate peer review burden, to improve peer review consistency, to adapt to the needs of scientific community and to reduce program Identification administered to health researchers in various disciplines.Eligibility criteria included the minimum submission of one grant application faculty position (n = 99).needs of scientific community and to reduce program complexity 1 .Methods: Health researchers in various disciplines were Recruitment minimum submission of one grant application to the CIHR in the last five years.Participants were recruited using convenience and Participants recruited through snowball and Methods: Health researchers in various disciplines were recruited and asked qualitative and quantitative questions via an online questionnaire.The data was analyzed using a Recruitment were recruited using convenience and snowball sampling.The data was analyzed by identifying the strengths, weaknesses, through snowball and convenience sampling (n= 22).via an online questionnaire.The data was analyzed using a SWOT approach and an exploratory policy analysis.Results : Strengths of the reforms include lightened Inclusion Participants excluded identifying the strengths, weaknesses, opportunities and threats of the CIHR grant application and funding process, as perceived Participants screened according to experience Results : Strengths of the reforms include lightened administrative burdens, clarity of application process, communication and the ease of application submission.Inclusion excluded (n = 5).

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)0,343
score de la tête « metaresearch » (Gemma)0,478
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,757
Score d'incertitude au seuil0,878

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3430,478
Méta-épidémiologie (sens strict)0,0010,003
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0160,024
Études des sciences et des technologies0,0290,020
Communication savante0,0420,008
Science ouverte0,0100,010
Intégrité de la recherche0,0160,016
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,413
Tête enseignante GPT0,516
Écart entre enseignants0,103 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineIncitatifs
GenreEmpirique

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

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueuO Research (University of Ottawa)→Même sujetHealth and Medical Research Impacts→Travaux en français237 207→