What Makes a Great Mentor: Interviews With Recipients of the ATVB Mentor of Women Award
Notice bibliographique
Résumé
he American Heart Association Council on Arteriosclerosis, Thrombosis and Vascular Biology (ATVB) brings together a unique group of worldleading scientists from diverse fields within the ATVB research communities.The ATVB Council's Women's Leadership Committee aims to promote excellence among women in science and academic medicine and raise new leaders.Our goals are to encourage the advancement of women's scientific careers, promote visibility, and provide forums for professional networking to cultivate collaboration within and outside the ATVB community.Every year, the Women's Leadership Committee honors established scientists of the ATVB Council whose actions have demonstrated their exceptional service in the mentorship, support, advocacy, and sponsorship of women in the field of cardiovascular biology with the ATVB Mentor of Women Award.This year, as the Women's Leadership Committee celebrates its 20th anniversary, the members of this committee interviewed 11 past recipients of the Mentor of Women Awards: Mary Sorci-Thomas (2002), Alan Daugherty (2010), Rama Natarajan (2011), Lisa Cassis (2012), Coleen McNamara (2014), Lynn Hedrick (2015), Muredach Reilly (2016), Kerry-Anne Rye (2017), Kathryn Moore (2018), Nancy Webb (2019), and Murray Huff (2020; Figure 1).Our mentors were asked to provide answers to 11 questions that reflect their vision of outstanding mentorship.The Women's Leadership Committee is thrilled to report the insights gained from these interviews and hopes it will serve as a useful reference to both mentors and mentees.
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 | 0,029 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».