Limitations in a rapid environmental scan of global health research expertise point to the need for more open data
Notice bibliographique
Résumé
We thank Gyorkos [1] for commenting on our rapid environmental scan of global health research expertise in Canada [2].Gyorkos argues that our scan was not comprehensive because we used too few data sources to measure Canadian global health research inputs, activities and outputs.Limitations in data, which were noted in our published study [2], highlight the current challenge of conducting rapid research within short policy windows using publicly available data sources in Canada and point towards opportunities for improving data infrastructure across countries.First, in line with our rapid approach, we made choices that resulted in what we believe to be the most rigorous environmental scan possible within the available resources and a set 2-month policy window.This meant that we were limited to drawing on publicly available administrative datasets and were prevented from collecting new data.For global health research inputs, we focused our analysis on data from Canada's largest funder of global health researchthe Canadian Institutes of Health Researchas other Canadian funding agencies do not make their global health research funding data readily available.Gyorkos additionally flags our omission of funding data from the Bill and Melinda Gates Foundation, the Global Fund to Fight AIDS, Tuberculosis and Malaria
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 | 0,059 | 0,262 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,018 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,006 |
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 ».