MétaCan
Menu
Retour à la cohorte
Enregistrement W3175868578 · doi:10.25011/cim.v44i2.36476

Team Science: Defining and Achieving Success

2021· editorial· en· W3175868578 sur OpenAlexafffundvenueabout
Meghan B. Azad, Natalie Rodriguez

Notice bibliographique

RevueClinical and investigative medicine · 2021
Typeeditorial
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensUniversity of ManitobaChildren's Hospital Research Institute of Manitoba
Organismes subventionnairesW. Garfield Weston FoundationResearch ManitobaCanadian Institutes of Health ResearchMitacsCanadian Institute for Advanced ResearchBill and Melinda Gates Foundation
Mots-clésMainstreamFoundation (evidence)PortfolioManagementEnthusiasmPolitical scienceMedicinePublic relationsMedical educationLibrary sciencePsychologyBusinessComputer scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Meghan Azad was the 2020 recipient of the CSCI Joe Doupe Young Investigator Award. Azad and Rodriguez co-direct a $14M research portfolio funded by the Canadian Institutes of Health Research, the Canadian Foundation for Innovation and the Bill and Melinda Gates Foundation. Spanning 45 countries, their acclaimed pediatric research is well known in clinical circles, highly cited by the scientific community and widely shared on mainstream and social media. In 2020, Azad was recognized among the WXN Top 100 Most Powerful Women in Canada and Rodriguez was named among the CBC Manitoba Future 40 Finalists. Here they share their Top 10 Tips for defining and achieving success in Team Science.

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)0,018
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,071
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0060,011
Communication savante0,0180,013
Science ouverte0,0030,004
Intégrité de la recherche0,0150,035
Charge utile insuffisante (le modèle a refusé de juger)0,0050,006

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 Opus0,322
Tête enseignante GPT0,515
Écart entre enseignants0,194 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreÉditorial

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

En bref

Citations4
Publié2021
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueClinical and investigative medicineMême sujetHealth and Medical Research ImpactsTravaux en français237 207