MétaCan
Menu
Retour à la cohorte
Enregistrement W3170240134 · doi:10.1371/journal.pbio.3001282

Promoting inclusive metrics of success and impact to dismantle a discriminatory reward system in science

2021· article· en· W3170240134 sur OpenAlexaff
Sarah W. Davies, Hollie M. Putnam, Tracy D. Ainsworth, Julia K. Baum, Colleen B. Bove, Sarah C. Crosby, Isabelle M. Côté, Anne Duplouy, Robinson W. Fulweiler, Alyssa Griffin, Torrance C. Hanley, Tessa M. Hill, Adriana Humanes, Sangeeta Mangubhai, Anna Meta×as, Laura M. Parker, Hanny E. Rivera, Nyssa J. Silbiger, Nicola S. Smith, Ana K. Spalding, Nikki Traylor‐Knowles, Brooke L. Weigel, Rachel M. Wright, Amanda E. Bates

Notice bibliographique

RevuePLoS Biology · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensMemorial University of NewfoundlandDalhousie UniversitySimon Fraser UniversityUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMentorshipEquity (law)BiologyValue (mathematics)Diversity (politics)Inclusion (mineral)Reward systemPublic relationsEngineering ethicsSociologyPolitical scienceSocial scienceComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Success and impact metrics in science are based on a system that perpetuates sexist and racist "rewards" by prioritizing citations and impact factors. These metrics are flawed and biased against already marginalized groups and fail to accurately capture the breadth of individuals' meaningful scientific impacts. We advocate shifting this outdated value system to advance science through principles of justice, equity, diversity, and inclusion. We outline pathways for a paradigm shift in scientific values based on multidimensional mentorship and promoting mentee well-being. These actions will require collective efforts supported by academic leaders and administrators to drive essential systemic change.

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)0,235
score de la tête « metaresearch » (Gemma)0,440
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,765
Score d'incertitude au seuil0,943

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2350,440
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0140,010
Études des sciences et des technologies0,0070,025
Communication savante0,0230,029
Science ouverte0,0040,025
Intégrité de la recherche0,0040,013
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,363
Écart entre enseignants0,328 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineIncitatifs
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

Citations189
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS BiologyMême sujetMentoring and Academic DevelopmentTravaux en français237 207