Impact of COVID-19 pandemic on research and careers of early career researchers: a DOHaD perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The COVID-19 pandemic has exposed several inequalities worldwide, including the populations' access to healthcare systems and economic differences that impact the access to vaccination, medical resources, and health care services. Scientific research activities were not an exception, such that scientific research was profoundly impacted globally. Research trainees and early career researchers (ECRs) are the life force of scientific discovery around the world, and their work and progress in research was dramatically affected by the COVID-19 pandemic. ECRs are a particularly vulnerable group as they are in a formative stage of their scientific careers, any disruptions during which is going to likely impact their lifelong career trajectory. To understand how COVID-19 impacted lives, career development plans, and research of Developmental Origins of Health and Disease (DOHaD) ECRs, the International DOHaD ECR committee formed a special interest group comprising of ECR representatives of International DOHaD affiliated Societies/Chapters from around the world (Australia and New Zealand, Canada, French Speaking DOHaD, Japan, Latin America, Pakistan and USA). The anecdotal evidence summarized in this brief report, provide an overview of the findings of this special interest group, specifically on the impact of the evolving COVID-19 pandemic on daily research activities and its effects on career development plans of ECRs. We also discuss how our learnings from these shared experiences can strengthen collaborative work for the current and future generation of scientists.
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.
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 | 0,014 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle