SciSpends: an exploratory survey investigating nonreimbursed expenses in biological sciences
Notice bibliographique
Résumé
Socio-economic barriers to participation in science are harmful to the enterprise. One barrier is the phenomenon of scientists paying for expenses related to the conduct of research that are not reimbursed (which we termed “Scispends” for social media discourse). We conducted an online survey that asked self-selecting respondents to report the amount of money they spent on nonreimbursed expenses, including both costs incurred in the past 12 months and one-time startup costs associated with their current position. We received 857 responses that met criteria for inclusion and reported descriptive statistics summarizing nonreimbursed expenses across career stages. We found the median total of nonreimbursed expenses for the past 12 months was $1680 and the median one-time expenses were $2700, and that as a proportion of income these expenses were highest for those earliest in their careers. We found 13% of respondents spent more on unreimbursed expenses than they earned in a year. All cost categories were skewed, with most respondents reporting little or no expense, whereas a minority experienced high expenses. These results should be interpreted with caution due to survey’s exploratory design, but they suggest that formal surveys should be conducted by scientific societies, funding agencies, and academic institutions to properly assess the causes of nonreimbursed expenses and determine how this barrier can be minimized.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».