<scp>NSERC</scp> discovery grants and a tribute to Leo A. Behie
Notice bibliographique
Résumé
Abstract The scope of chemical engineering continues to evolve and has become ever more multifaceted. It encompasses traditional fields like polymers, thermodynamics, transport processes, control, and environmental science, but has expanded to include biotechnology, biomedical, food technology, materials, and numerical techniques like artificial neural networks and discrete element methods. In fact, the Natural Sciences and Engineering Research Council of Canada (NSERC) combines chemical engineering and materials in the same evaluation group to award competitive funding for the Discovery Grant. Prof. Leo Behie's career reflected the change in the scope of chemical engineering. In the 1970s and early 1980s, Prof. Behie's research included hydrodynamics of fluidized beds and deriving the kinetics of the Claus reaction. In the late 1980s and into the 1990s, he contributed to biotechnology. In the 2000s and 2010s, his areas of expertise related to biomedical engineering comprising stem cell research and a focus on Parkinson's and Huntington's diseases. The common denominator for most of his research was reactor technology. In 2014, Prof. Behie quipped that chemical engineering was dead and many North American departments shared this tenet and added various scientific fields to recognize the emerging synergies. Here, we show that chemical engineering is a vibrant and growing field. We demonstrate in what way it is changing and describe how NSERC evaluates research dossiers for the Discovery Grants. We describe the relationship between the h index and the number of citations and confirm that bibliometrics has only a minor role in the Discovery Grant award.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».