Predictors of Tri-council Funding Among Nutrition Researchers in Canada
Notice bibliographique
Résumé
Purpose: Barriers in research for women and dietitians have been documented. We sought to describe tri-council funding awarded within the nutrition discipline according to institution type, academic rank, gender, dietitian status, and primary research methods used. Methods: Using an online search methodology, faculty members with research appointments were identified from nutrition departments offering accredited dietetic programs and/or at Canada’s collective of research-intensive universities known as U15. All data regarding faculty members, their institutions, and funding were collected through publicly available websites and Scopus. Tri-council funding associated with the nominated principal investigator, from a 5-year period, 2013–2014 to 2017–2018, was extracted. Binary logistic regression was used to test for predictors of receiving any tri-council operating funds within the 5-year period. Results: Faculty members (n = 237) from 21 institutions were identified for inclusion. Those from U15 institutions, at the full professor rank, nondietitians, men, and those who engaged in primarily quantitative research methods (vs. qualitative or mixed-methods) were significantly more likely to hold any tri-council funding during the eligible period. Dietitians (n = 76) were significantly less likely to hold tri-council funding, independent of institution, rank, gender, and primary research methods utilized. Conclusions: The apparent under-funding of academic dietitians from federal tri-council sources requires exploration.
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 | 0,021 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,013 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».