It is time for consensus on ‘consensus statements’
Notice bibliographique
Résumé
we learn from the Archbishop's inspiring life and positively impact others as he did?How often do we use our 'pulpit' to highlight and act against injustice, inequality and bias?Perhaps we too should look beyond the field of play and consider the real-life issues affecting those in our environment.In sport and medicine inequities and injustices exist, some overtly and others veiled.Racism, sexism, ableism, child abuse, interpersonal violence and homophobia have all reared their repulsive heads in sporting contexts.Sport and exercise medicine is a field of leaders poised to positively impact their communities, and we have a responsibility to use our platform as advocates for greater opportunity, justice and change where needed.Drawing on 'the Arch's' example would serve us well in situations where it is often easier to be uncritical, deferential and sycophantic, but where a mix of Tutu-like empathy, compassion and courage are more appropriate.We cannot be neutral in situations of injustice or intolerance, and we would do well to remember Archbishop Tutu's example as one of the best in humanity.We too should act both in and beyond sport.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,137 | 0,460 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,011 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,018 | 0,013 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,020 | 0,034 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,028 |
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 source (Gemma direct ou Codex distillé), 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 ».