MétaCan
Menu
Retour à la cohorte
Enregistrement W2907017196 · doi:10.1080/09553002.2018.1558303

Funding for radiation research: past, present and future

2019· review· en· W2907017196 sur OpenAlexafffundabout
Tatsuhiko Imaoka, Dmitry Klokov, Tatjana Paunesku, Sisko Salomaa, Mandy Birschwilks, Simon Bouffler, Antone L. Brooks, Tom K. Hei, Toshiyasu Iwasaki, Tetsuya Ono, Kazuo Sakai, Andrzej Wójcik, Gayle E. Woloschak, Yutaka Yamada, Nobuyuki Hamada

Notice bibliographique

RevueInternational Journal of Radiation Biology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueRadiation Dose and Imaging
Établissements canadiensCanadian Nuclear LaboratoriesUniversity of Ottawa
Organismes subventionnairesCongressionally Directed Medical Research ProgramsAtomic Energy of Canada LimitedNational Cancer InstituteNational Institutes of HealthGovernment of CanadaU.S. Department of EnergyAustralian GovernmentBruce PowerNational Aeronautics and Space Administration
Mots-clésMultidisciplinary approachEuropean unionPolitical scienceIonizing radiationBusinessEngineering ethicsPublic relationsEngineeringEconomic policyPhysics

Résumé

récupéré en direct d'OpenAlex

For more than a century, ionizing radiation has been indispensable mainly in medicine and industry. Radiation research is a multidisciplinary field that investigates radiation effects. Radiation research was very active in the mid- to late 20th century, but has then faced challenges, during which time funding has fluctuated widely. Here we review historical changes in funding situations in the field of radiation research, particularly in Canada, European Union countries, Japan, South Korea, and the US. We also provide a brief overview of the current situations in education and training in this field. A better understanding of the biological consequences of radiation exposure is becoming more important with increasing public concerns on radiation risks and other radiation literacy. Continued funding for radiation research is needed, and education and training in this field are also important.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,207
Tête enseignante GPT0,506
Écart entre enseignants0,299 · 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
DomaineIncitatifs
GenreSynthèse

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

En bref

Citations23
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Radiation BiologyMême sujetRadiation Dose and ImagingTravaux en français237 207