Inclusion, Diversity, Equity, and Accessibility (IDEA) in multi-regional data research: An approach to facilitating change in a distributed research environment.
Notice bibliographique
Résumé
ObjectiveA recently established data research network identified the need to address Inclusion, Diversity, Equity, and Accessibility and established a team committed to IDEA informed change. The Team identifies, develops, and implements IDEA strategies in distributed research network. We will share the process of establishing this Team and outline identified coordinated opportunities moving forward. ApproachAdministrative data and analyses are not neutral. Colonialism, racism, gender discrimination, ableism, and other forms of oppression have shaped the data that are available and the research processes that are used to analyze and evaluate data. It is imperative that health data research adopts and develops methods that embed IDEA. An informal survey of a health data research network identified four areas for action including capacity building, culture shifts, information sharing, and coordinated development of policies, practices, and tools. A multi-regional team was established to move forward with this work with an emphasis on operations and research practices. ResultsIn the fall of 2021 IDEA Team members were recruited from data centres across the network, including IDEA professionals, researchers, data collection and curation specialists, human resource professionals, and public/patient engagement specialists. The first IDEA Team meetings focused on team buildings and building shared purpose by shaping the Terms of Reference and creating principles for working together. Next steps will include an environmental audit to assess network capacity and a consensus oriented decision-making process to identify priorities. The Team includes over 20 members with a broad range of knowledge and expertise, making facilitation a key operational component. Establishing a baseline of knowledge and defining priorities will encompass the first year of the Teams work, navigating the distinct needs of a distributed network, the diverse needs of data centres, and the breadth of data that flows through the network. ConclusionThis multi-regional inter-disciplinary team is crucial to adopting, developing and embedding IDEA in a distributed data network and could serve as a model for other data research organizations. The Team will work towards capacity building, creating an internal culture shift and coordinating the development of new tools and resources.
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 | 0,368 | 0,218 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,022 | 0,049 |
| Communication savante | 0,029 | 0,035 |
| Science ouverte | 0,007 | 0,087 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».