MétaCan
Menu
Retour à la cohorte
Enregistrement W3016833407 · doi:10.1139/facets-2019-0026

Enacting workplace culture change for excellence in research: a gender lens

2020· article· en· W3016833407 sur OpenAlexafffundvenue
Eleanor R. Haine, Hilary B. Bergsieker, Imogen R. Coe, Andrea Koch-Kraft, Ève Langelier, Suzanne Morrison, Katrin Nikoleyczik, Toni Schmader, Olga Trivailo, Sue Twine, J E Decker

Notice bibliographique

RevueFACETS · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensUniversity of British ColumbiaNational Research Council CanadaUniversité de SherbrookeBC Innovation CouncilToronto Metropolitan UniversityUniversity of Waterloo
Organismes subventionnairesNational Research Council CanadaSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésExcellenceInclusion (mineral)Interpersonal communicationOrganizational culturePublic relationsCulture changeSociologyEngineering ethicsPolitical sciencePsychologyManagementSocial scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Science and engineering research excellence can be maximized if the selection of researchers is made from 100% of the pool of human talent. This requires policies and approaches that encourage broad sections of society, including women and other underrepresented groups, to participate in research. Institutional policies, interpersonal interactions, and individuals’ attitudes are drivers of workplace culture. Here, some new evidence-based and systematic approaches with a focus on culture are proposed to foster women’s inclusion and success in science and engineering.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,852
Tête enseignante GPT0,475
Écart entre enseignants0,376 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
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

Citations3
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetGender Diversity and InequalityTravaux en français237 207