MétaCan
Menu
Retour à la cohorte
Enregistrement W3203766058 · doi:10.1242/jcs.259268

The Autophagy, Inflammation and Metabolism Center international eSymposium – an early-career investigators’ seminar series during the COVID-19 pandemic

2021· article· en· W3203766058 sur OpenAlexfundno aff
José L. Nieto-Torres, Joanne Durgan, Anaïs Franco‐Romero, Paolo Grumati, Carlos M. Guardia, Andrew M. Leidal, Michael A. Mandell, Christina G. Towers, Fei Wang

Notice bibliographique

RevueJournal of Cell Science · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueConferences and Exhibitions Management
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNational Cancer InstituteNational Institute on AgingBiotechnology and Biological Sciences Research CouncilInstitute of GeneticsNational Institutes of HealthDirectorate for Biological SciencesCancer League of ColoradoUniversità degli Studi di PadovaNational Institute of General Medical SciencesFundación Ramón ArecesFondazione TelethonGovernment of CanadaNational Institute of Allergy and Infectious DiseasesCancer Research SocietyWelch FoundationRocheUniversity of Texas Southwestern Medical Center
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)BiologyPerspective (graphical)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)AutophagyPanel discussionEngineering ethicsVirologyPathologyMedicineComputer scienceEngineeringDisease

Résumé

récupéré en direct d'OpenAlex

The Autophagy, Inflammation and Metabolism (AIM) Center organized a globally accessible, virtual eSymposium during the COVID-19 pandemic in 2020. The conference included presentations from scientific leaders, as well as a career discussion panel, and provided a much-needed platform for early-career investigators (ECIs) to showcase their research in autophagy. This Perspective summarizes the science presented by the ECIs during the event and discusses the lessons learned from a virtual meeting of this kind during the pandemic. The meeting was a learning experience for all involved, and the ECI participants herein offer their thoughts on the pros and cons of virtual meetings as a modality, either as standalone or hybrid events, with a view towards the post-pandemic world.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,769
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,294
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cell ScienceMême sujetConferences and Exhibitions ManagementTravaux en français237 207