Notice bibliographique
Résumé
This non-peer reviewed interview, originally published on The Grey Lit Café podcast, is published as part of the Critical Gambling Studies blog. CitationSponsored reports: David Baxter on the interface between research and policy. The Grey Lit Café. https://thegreylitcafe.buzzsprout.com/1936705/10829288-sponsored-reports-david-baxter-on-the-interface-between-research-and-policy DescriptionA significant portion of gambling research funding comes from non-academic sponsors—mainly governments or government-organized bodies — and the output of the sponsored project is usually a research report to the sponsor rather than academic journal articles or books. Research published in this way is of comparable quality to academic publications, but is referred to by librarians and information managers as "grey literature" because its limited distribution can make it difficult to discover and manage.Many academic journal articles on gambling are in fact spin-offs that originated from such sponsored projects. Researchers adapt their work into academic articles to reach new audiences and build the academic body of knowledge, but also because grey literature contributions receive much less recognition in academics' career evaluations.In this episode of The Grey Lit Café, David Baxter has a critical discussion with host Anthony Haynes about the challenges gambling researchers face when doing sponsored research, how the conflicts of interest of sponsored research shape the academic body of knowledge on gambling, and ways that gambling researchers and government sponsors can better support each other's needs as well as the needs of people experiencing gambling harms whom the sponsored research is intended to help.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».