MétaCan
Menu
Retour à la cohorte
Enregistrement W3096251005 · doi:10.1139/facets-2020-0036

The biomedical lab after COVID-19: cascading effects of the lockdown on lab-based research programs and graduate students in Canada

2020· article· en· W3096251005 sur OpenAlexaffvenueabout
Vincent Maranda, Edward Yakubovich

Notice bibliographique

RevueFACETS · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensUniversity of OttawaOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Public relationsWork (physics)Medical educationEconomic shortageWorryPandemicSocial distancePolitical scienceBusinessPsychologyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

In the early months of 2020, the spread of the new coronavirus SARS-CoV-2 shook the world, which responded with various measures of quarantine, social distancing, and mass shutdowns. These measures have affected Canadian graduate students, especially those in lab-based science research programs who have been unable to access their workplaces. As a period of reopening may be approaching, and universities and research centers discuss ways to allow for work to resume cautiously, a discussion on the long-term impact of the pandemic on graduate students is necessary. Many students expressed significant concern regarding motivation with the shift to online courses; financial stress in terms of personal debt, bills, and tuition fees; as well as disrupted education and career plans. Uncertainty over the current economic situation and potential research material shortages lead to worry related to the quality and quantity of results and the impact these may have on funding. Luckily, universities, hospitals, governmental agencies, and employers have implemented a variety of programs and financial aid to help students in these trying times. Assuring the continuation of such measures is critical, and graduate students’ drive to succeed will manifest in novel ways to tackle the challenges that the COVID-19 lockdown has imposed.

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)0,008
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,978

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,013
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0290,009
Communication savante0,0090,002
Science ouverte0,0040,012
Intégrité de la recherche0,0030,010
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,245
Tête enseignante GPT0,473
Écart entre enseignants0,228 · 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'étudeObservationnel
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

Citations7
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetHealth and Medical Research ImpactsTravaux en français237 207