Scholarly Impact of Academic Ophthalmologists and Vision Scientists in Canada
Notice bibliographique
Résumé
OBJECTIVE: To outline the current impact of Canadian ophthalmology and vision science research as measured by novel research metrics. DESIGN: Cross-sectional survey. PARTICIPANTS: All Canadian ophthalmologists (n = 687) and vision scientists (n = 119) with an online bibliometric profile and academic appointment at a major ophthalmology training centre were included. METHODS: Faculty lists of Canada's 15 major academic ophthalmology departments were obtained. Faculty names, appointments, sex, and educational background were recorded. Elsevier's Scopus database was used to calculate H-index, m-quotient, and total citations for each faculty member. Details around grant funding were obtained through the Canadian Institutes of Health Research (CIHR) Funding Decisions Database. RESULTS: Average H-indices were 7.42 ± 7.98 for ophthalmologists and 23.78 ± 15.25 for vision scientists. Higher academic appointment was correlated with higher h-indices and m-quotients (p <0.0001 for both). Most academic departments had significantly more males than females (avg. 71% male, 29% female); however, more equal ratios were seen in faculties in Quebec. No significant differences in research impact were identified between male and female ophthalmologists when controlled for academic appointment and career stage (p > 0.05). In clinical ophthalmology research, the top three departments with the highest average H-indices were Western University, the University of Toronto, and Dalhousie University. The University of British Columbia, Université de Montréal, and McGill University received the most funding from the CIHR in the last 10 years. CONCLUSION: This study highlights the current scope of ophthalmology and vision science research in Canada. Important trends were identified in research productivity across academic rank, sex, and clinical subspecialty.
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 | 0,006 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,018 | 0,037 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».