MétaCan
Menu
← Retour à la cohorte
Enregistrement W3088243216 · doi:10.25011/cim.v43i3.34473

Challenges and opportunities for future Canadian physician-scientists: Perspectives of four experts

2020· article· en· W3088243216 sur OpenAlexafffundvenueabout
Alexander Levit, Robert Bortolussi

Notice bibliographique

RevueClinical and investigative medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensDalhousie UniversityUniversity of British Columbia
Organismes subventionnairesInstitute of GeneticsCanadian Institutes of Health ResearchJewish General HospitalMichael Smith Health Research BCGenePOCMcGill University
Mots-clésMedical educationWork (physics)Health careMedicinePsychologyPolitical scienceLawEngineering

Résumé

récupéré en direct d'OpenAlex

In this series of interviews, the Clinical and Investigative Medicine editorial team gathered expert opinions on the future of physician-scientist training and career prospects in Canada. This was inspired by recent publications that voiced concerns over the diminishing support for the physician-scientist in Canada and the United States. For this editorial, the term physician-scientist was intentionally broad and inclusive; referring to individuals who identify both clinical work and biomedical or healthcare research as major components of their career. The following leaders in medical research or research funding shared their perspectives: Roderick R. McInnes; Michel G. Bergeron; Thomas J. Marrie; and Bev J. Holmes.

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)0,047
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,740

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,066
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0860,020
Communication savante0,0280,008
Science ouverte0,0050,010
Intégrité de la recherche0,0180,028
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,721
Tête enseignante GPT0,479
Écart entre enseignants0,243 · 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'étudeQualitatif
DomaineIncitatifs
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

Citations0
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueClinical and investigative medicine→Même sujetHealth and Medical Research Impacts→Travaux en français237 207→