MétaCan
Menu
Retour à la cohorte
Enregistrement W3162673407 · doi:10.1038/s41539-021-00091-x

An fMRI study of scientists with a Ph.D. in physics confronted with naive ideas in science

2021· article· en· W3162673407 sur OpenAlexafffund
Geneviève Allaire‐Duquette, Lorie‐Marlène Brault Foisy, Patrice Potvin, Martin Riopel, Marilyne Larose, Steve Masson

Notice bibliographique

Revuenpj Science of Learning · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaGovernment of Canada
Mots-clésContext (archaeology)NeuroimagingValue (mathematics)Cognitive sciencePsychologyOrder (exchange)Control (management)Nature of ScienceCognitive psychologyNeuroscienceScience educationComputer scienceMathematics educationArtificial intelligenceBiology

Résumé

récupéré en direct d'OpenAlex

A central challenge in developing conceptual understanding in science is overcoming naive ideas that contradict the content of science curricula. Neuroimaging studies reveal that high school and university students activate frontal brain areas associated with inhibitory control to overcome naive ideas in science, probably because they persist despite scientific training. However, no neuroimaging study has yet explored how persistent naive ideas in science are. Here, we report brain activations of 25 scientists with a Ph.D. in physics assessing the scientific value of naive ideas in science. Results show that scientists are slower and have lower accuracy when judging the scientific value of naive ideas compared to matched control ideas. fMRI data reveals that a network of frontal brain regions is more activated when judging naive ideas. Results suggest that naive ideas are likely to persist, even after completing a Ph.D. Advanced experts may still rely on high order executive functions like inhibitory control to overcome naive ideas when the context requires it.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,369
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuenpj Science of LearningMême sujetEducational Strategies and EpistemologiesTravaux en français237 207