Listening to Trainee Concerns and Suggestions During COVID-19: a Report from the Canadian Consortium on Neurodegeneration in Aging (CCNA)
Notice bibliographique
Résumé
Background The COVID-19 pandemic has caused significant disruption to research activities across Canada. The Training and Capacity Building (T&CB) Program of the Canadian Consortium on Neurodegeneration in Aging (CCNA) conducted a survey be-tween May 11th, 2020 and May 19th, 2020 to identify the chal-lenges faced by CCNA trainees because of the pandemic and how to best support trainees in response to those challenges. Methods Graduate students and postdoctoral researchers working under the supervision of CCNA investigators (n=113) were invited to complete a web-based survey of 13 questions. Trainees were asked questions about the impact of COVID-19 on their research activities, degree progression, funding status, and suggestions for support from the T&CB Program during the COVID-19 pandemic. Results A total of 41 trainees responded to the survey (response rate: 36.3%); 83% of respondents reported that they experienced changes to their research activities as a result of COVID-19, and 50% anticipated that their degree completion would be delayed. Respondents requested information from the T&CB Program on funding for non-COVID-19 projects, alternative datasets, and short educational workshops. Conclusion The majority of CCNA trainees surveyed experienced sig-nificant changes to their research activities as a result of the COVID-19 pandemic. The T&CB Program responded by switching to online programming and facilitating remote research. Further engagement with trainees is needed to ensure continued progress of research in age-related neurodegenera-tive disease in Canada post-pandemic.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».