Science policies: How should science funding be allocated? An evolutionary biologists’ perspective
Notice bibliographique
Résumé
In an ideal world, funding agencies could identify the best scientists and projects and provide them with the resources to undertake these projects. Most scientists would agree that in practice, how funding for scientific research is allocated is far from ideal and likely compromises research quality. We, nine evolutionary biologists from different countries and career stages, provide a comparative summary of our impressions on funding strategies for evolutionary biology across eleven different funding agencies. We also assess whether and how funding effectiveness might be improved. We focused this assessment on 14 elements within four broad categories: (a) topical shaping of science, (b) distribution of funds, (c) application and review procedures, and (d) incentives for mobility and diversity. These comparisons revealed striking among-country variation in those elements, including wide variation in funding rates, the effort and burden required for grant applications, and the extent of emphasis on societal relevance and individual mobility. We use these observations to provide constructive suggestions for the future and urge the need to further gather informed considerations from scientists on the effects of funding policies on science across countries and research fields.
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 | 0,032 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,083 | 0,155 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,007 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes 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 ».