The Canadian Fungal Research Network: current challenges and future opportunities
Notice bibliographique
Résumé
Fungi critically impact the health and function of global ecosystems and economies. In Canada, fungal researchers often work within silos defined by subdiscipline and institutional type, complicating the collaborations necessary to understand the impacts fungi have on the environment, economy, and plant and animal health. Here, we announce the establishment of the Canadian Fungal Research Network (CanFunNet, https://fungalresearch.ca ), whose mission is to strengthen and promote fungal research in Canada by facilitating dialogue among scientists. We summarize the challenges and opportunities for Canadian fungal research that were discussed at CanFunNet’s inaugural meeting in 2019, and identify 4 priorities for our community: (i) increasing collaboration among scientists, (ii) studying diversity in the context of ecological disturbance, (iii) preserving culture collections in the absence of sustained funding, and (iv) leveraging diverse expertise to attract trainees. We have gathered additional information to support our recommendations, including a survey identifying underrepresentation of fungal-related courses at Canadian universities, a list of Canadian fungaria and culture collections, and a case study of a human fungal pathogen outbreak. We anticipate that these discussions will help prioritize fungal research in Canada, and we welcome all researchers to join this nationwide effort to enhance knowledge dissemination and funding advocacy.
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 | 0,065 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,026 | 0,010 |
| Communication savante | 0,020 | 0,013 |
| Science ouverte | 0,011 | 0,015 |
| Intégrité de la recherche | 0,010 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,007 |
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 ».