Call to Action: How can universities support doctoral and early career researchers during COVID-19 (and beyond!)
Notice bibliographique
Résumé
When the COVID-19 pandemic hit the UK in March 2020, universities closed their doors with uncertainty over when they would reopen. In the early stages of lockdown, many doctoral and early career researchers (collectively, ECRs) felt their institutions had forgotten them.Vitae and the UKRI-funded Student Mental Health Research Network (SMaRteN) surveyed 5,900 ECRs across 128 UK universities at the end of April 2020, to establish the impact of lockdown on their work. While almost two thirds of respondents agreed that their supervisor/line manager had done all they could to support them, only 38% felt the same way about their institution. A quarter of respondents identified that their relationship with their university had worsened since the pandemic began. Right now, a key question is: what can universities do to support their ECRs?
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 | 0,051 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,023 | 0,011 |
| Communication savante | 0,026 | 0,031 |
| Science ouverte | 0,007 | 0,028 |
| Intégrité de la recherche | 0,049 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,023 |
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 ».