Integrating open science practices into recommendations for accepting gambling industry research funding
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Diverse funding sources, including the government, nonprofit, and industry sectors support academic research, generally, and gambling research, specifically. This funding allows academic researchers to assess gambling-related problems in populations, evaluate tools designed to encourage responsible gambling behaviors, and develop evidence-based recommendations for gambling-related topics. Some stakeholders have raised concern about industry-funded research. These critics argue that industry funding might influence the research process. Such concerns have led to the development of research guidelines that aim to preserve academic independence. Concurrently and independently, researchers have begun to embrace ‘Open Science’ practices (e.g. pre-registration of research questions and hypotheses, open access to materials and data) to foster transparency and create a valid, reliable, and replicable scientific literature. We suggest that Open Science principles and practices can be integrated with existing guidelines for industry-funded research to ensure that the research process is ethical, transparent, and unbiased. In the current paper, we engage with the aforementioned issues and present a formal framework to guide industry-funded research. We outline Guidelines for Research Independence and Transparency (GRIT), which integrates Open Science practices with existing guidelines for industry-funded research. Specifically, we describe how particular Open Science practices can enhance industry-funded research, including research pre-registration, separation of confirmatory and exploratory analyses, open materials, open data availability, and open access to study manuscripts. We offer our guidelines in the context of industry-funded gambling studies, yet researchers can extend these ideas to the behavioral sciences, more generally, and to funding sources of any type.
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.
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 | 0,029 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle