Dataset of the vascular e-Learning during the COVID-19 pandemic (EL-COVID) survey
Notice bibliographique
Résumé
This dataset supports the findings of the vascular e-Learning during the COVID-19 pandemic survey (the EL-COVID survey). The General Data Protection Regulation (GDPR) of the European Union was taken into consideration in all steps of data handling. The survey was approved by the institutional ethics committee of the Primary Investigator and an online English survey consisting of 18 questions was developed ad-hoc. A bilingual English-Mandarin version of the questionnaire was developed according to the instructions of the Chinese Medical Association in order to be used in mainland People's Republic of China. Differences between the two questionnaires were minor and did affect the process of data collection. Both questionnaires were hosted online. The EL-COVID survey was advertised through major social media. All national and regional contributors contacted their respective colleagues through direct messaging on social media or by email. Eight national societies or groups supported the dissemination of the EL-COVID survey. The data provided demographics information of the EL-COVID participants and an insight on the level of difficulty in accessing or citing previously attended online activities and whether participants were keen on citing these activities in their Curricula Vitae. A categorization of additional comments made by the participants are also based on the data. The survey responses were filtered, anonymized and submitted to descriptive analysis of percentage.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».