Au-delà de la bureaucratie obligatoire : comment bien travailler avec des comités d’éthique de la recherche
Notice bibliographique
Résumé
Les comités d’éthique de la recherche (CÉR) universitaire, même s’ils sont bien établis en Amérique du nord depuis les années 1980, ont encore parfois mauvaise réputation au sein des chercheurs. Parfois, ils sont vus par les membres de la communauté scientifique comme un système bureaucratique voué à empêcher ou à ralentir la recherche et ne comprenant pas la réalité des chercheurs. Cette vision négative relève souvent de la mécompréhension 1) de la part des chercheurs et 2) de certains CÉR de ce qu’est le mandat d’un CÉR et de la façon dont il doit fonctionner. Fondée sur une expérience d’une présidente d’un CÉR et d’un bioéthicien, cette foire aux questions vise à démystifier l’éthique de la recherche pour que les chercheurs et les CÉR puissent collaborer dans l’avancement des connaissances, tout en assurant une conduite de recherche éthique et responsable.
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 | 0,038 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,035 |
| Communication savante | 0,017 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,010 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».