Listening to Trainee Concerns and Suggestions During COVID-19: a Report from the Canadian Consortium on Neurodegeneration in Aging (CCNA)
Notice bibliographique
Résumé
Background: , 2020 to identify the challenges 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 significant 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 neurodegenerative 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 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 | 0,023 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».