Access to science for junior doctors and neurologists in French-speaking countries: challenges and future perspectives
Notice bibliographique
Résumé
Abstract Background and objectives:Science education developed historically from experimentation science to model theories of cognition. Digitization in medical science brought about new challenges of access to science for education and publishing. The aims of our study are to describe the differences in access to science and scientific publications for junior doctors and neurologists in French-speaking countries, and to identify difficulties and their association with demographic, workplace, social and personal factors.Methods:We performed a thirty-nine-question-survey to define access to science from two major perspectives, scientific education, and scientific publishing. We explored scientific education through demographic data and scientific resources (institutional, online, personal), and evaluated scientific publishing of thesis and articles according to demographic data, number of publications, and difficulties with publishing.Results:Our study identified personal and environmental factors interfering with scientific access, some of which are attributed to junior doctors and neurologists in French-speaking countries as age, gender, ethnicity, income and work and life-balance. A heavier load was observed for African scientists. The main scientific resources used for medical education were Journals 82,9%, Congresses 79,4%, and Sci-Hub 74,5%. Junior scientists are facing major difficulties in writing in science due to linguistic (56,5%), financial (64,7%), scientific (55,3%), and logistic (65,3%) factors.Conclusions:This paper suggests that ethnicity, age, gender, and work-life balance can all impact access to science at different levels. The challenge now is to create digital platforms that modernize medical education and help build bridges for research within diverse scientific communities.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».