How efficient are Early Career Scientists in peer-review activities?
Notice bibliographique
Résumé
<p>In our collective endeavour towards global sustainability, there is now a broad appreciation that producing scientifically robust knowledge requires new forms of engagement between scientists, stakeholders and society. But what is the role of Early Career Scientists (ECS) in these processes that are closing the gap between science and policy? Because opportunities to interact with more experienced peers through science refereeing are scarce, the role of ECS in the peer-review process remains minor despite ECS possessing strong academic credentials. Such engagement in the peer-review process represents a valuable opportunity for ECS and the scientific community as a whole. This opportunity provides a robust platform for ECS to understand the overall review process and editorial activities related to high-credibility publications such as those conducted by the Intergovernmental Panel on Climate Change (IPCC). During May/November 2018, 174 ECS on behalf of the Association of Polar Early Career Scientists (APECS) reviewed the first and second-order drafts of the IPCC “Special Report on Ocean and Cryosphere and in a Changing Climate (SROCC)”. Here, we present the methodology, results, and lessons learned from these group reviews. Altogether, data from participant surveys on their experience and their comments catalog illustrate ECS as competent reviewers, comparable to more experienced researchers. The diverse disciplines and geographic perspectives, fostered through APECS and its partners, are currently being mobilized in the First Order Draft of the Working Groups I and II of the Assessment Report 6 of the IPCC, and will continue during the second round of reviews of these reports in early 2020. Information gathered during these ongoing reviews will add to the findings obtained during the review of the SROCC.</p>
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 | 0,002 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».