MétaCan
Menu
Retour à la cohorte
Enregistrement W3194299708 · doi:10.1002/essoar.10505364.1

The FAMOS school day: Fostering confidence in a diverse body of early-career polar marine scientists

2020· article· en· W3194299708 sur OpenAlexaff
Michael Steele, Andrey Proshutinsky, Amélie Bouchat

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPreprintWorld Wide WebSpace (punctuation)Library scienceMedical educationMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

The Forum for Arctic Modeling and Observational Synthesis (FAMOS) is a project funded by the U.S. National Science Foundation to advance the science of Arctic physical, chemical, and biological marine modeling. It is further designed to foster collaboration with marine observationalists and those who wish to work with Arctic marine modelers, e.g., atmospheric scientists, glaciologists, hydrologists, terrestrial ecologists. FAMOS holds an annual workshop of ~120 people and spawns numerous collaborative projects that have filled three special JGR collections and more. Attendance at FAMOS workshops is a mix of senior researchers and early-career scientists. The final three days of the 4-day workshop consist of AGU-style short talks, break-out sessions, and panel discussions. But the first day is devoted to the FAMOS School, wherein ~ 40 graduate students, postdocs, and early career polar scientists attend 5 longer-format (~ 35 minute) lectures. Discussion sessions are especially highlighted, and senior scientists in attendance are not allowed to speak. A “wild card” after-lunch session is devoted to various topics, e.g., outreach, alternate career choices, and geoengineering. The day ends with a working dinner in which further discussions and networking occur. School attendees are typically gender-balanced and have included students from non-traditional Arctic countries (e.g., Iran, Brazil, Egypt). The FAMOS School has been very successful, as measured by participant feedback and by the number of applications received (i.e., more than we can accommodate each year). A key outcome has been to bolster confidence in the early-career students, so that they are more willing to actively participate in the following days’ activities. This is also enhanced by naming them as session and discussion chairs, and by suppressing the tendency of senior scientists to “hog the microphone.” Discussion at FAMOS workshops has significantly influenced the focus of many PhD projects and spawned a number of student-led research papers. A main lesson learned from the FAMOS School is that just inviting students to a workshop or into a research community is not enough: One must also take active steps to foster confidence and give them a voice. The good news is that this really works.

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)0,027
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,037
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0250,009
Communication savante0,0200,012
Science ouverte0,0040,049
Intégrité de la recherche0,0070,016
Charge utile insuffisante (le modèle a refusé de juger)0,0510,023

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 GPT0,231
Écart entre enseignants0,198 · 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'étudeSans objet
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcean Acidification Effects and ResponsesTravaux en français237 207