Let’s do better: public representations of COVID-19 science
Notice bibliographique
Résumé
COVID science is being both done and circulated at a furious pace. While it is inspiring to see the research community responding so vigorously to the pandemic crisis, all this activity has also created a churning sea of bad data, conflicting results, and exaggerated headlines. With representations of science becoming increasingly polarized, twisted, and hyped, there is growing concern that the relevant science is being represented to the public in a manner that may cause confusion, inappropriate expectations, and the erosion of public trust. Here we explore some of the key issues associated with the representations of science in the context of the COVID-19 pandemic. Many of these issues are not new. But the COVID-19 pandemic has placed a spotlight on the biomedical research process and amplified the adverse ramifications of poor public communication. We need to do better. As such, we conclude with 10 recommendations aimed at key actors involved in the communication of COVID-19 science, including government, funders, universities, publishers, media, and the research communities.
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 | 0,099 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,023 | 0,040 |
| Communication savante | 0,050 | 0,050 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,017 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».