Scientific rigor and credibility in the nutrition research landscape
Notice bibliographique
Résumé
Scientific progress depends on the quality and credibility of research methods. As discourse on rigor, transparency, and reproducibility joins the cacophony of nutrition information and misinformation in mass media, buttressing the real and perceived reliability of nutrition science is more important than ever. This broad topic was the focus of a 2016 plenary session, "Scientific Rigor and Competing Interests in the Nutrition Research Landscape." This article summarizes and expands on this session in an effort to increase understanding and dialogue with regard to factors that limit the real and perceived reliability of nutrition science and steps that can be taken to mitigate those factors. The end goal is to both earn and merit greater trust in nutrition science by both the scientific community and the general public. The authors offer suggestions in each of the domains of education and training, communications, research conduct, and procedures and policies to help achieve this goal. The authors emphasize the need for adequate funding to support these efforts toward greater rigor and transparency, which will be resource demanding and may require either increased research funding or the recognition that a greater proportion of research funding may need to be allocated to these tasks.
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 | 0,761 | 0,918 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,007 |
| Bibliométrie | 0,034 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,048 |
| Communication savante | 0,028 | 0,026 |
| Science ouverte | 0,010 | 0,015 |
| Intégrité de la recherche | 0,019 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».